Update app.py

app.py

@@ -5,116 +5,132 @@ from PIL import Image
 import os
 from typing import Tuple, List, Dict
 
-# Единоразовое определение устройства
+# Устройство
 device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
 
+# Загрузка модели
 def load_model() -> Tuple[torch.nn.Module, List[str]]:
-    """
-    Загружает модель и список меток классов.
-    Returns:
-        model: Загруженная модель PyTorch.
-        labels: Список меток классов.
-    """
     model_path = "skinconvnext_scripted.pt"
     labels_path = "labels.txt"
-    
     if not os.path.exists(model_path):
         raise FileNotFoundError(f"Model not found: {model_path}")
     if not os.path.exists(labels_path):
-        raise FileNotFoundError("File labels.txt not found.")
-    
+        raise FileNotFoundError("labels.txt not found.")
     model = torch.jit.load(model_path, map_location=device)
-    model.eval()
-    model.to(device)  # Перемещаем модель на устройство сразу
-    
+    model.eval().to(device)
     with open(labels_path, "r") as f:
         labels = f.read().splitlines()
-    
     return model, labels
 
 model, labels = load_model()
 
-# Определение преобразований изображения (создаётся один раз)
+# Преобразования
 preprocess = transforms.Compose([
     transforms.Resize((224, 224)),
     transforms.ToTensor(),
-    transforms.Normalize(mean=[0.485, 0.456, 0.406],
-                         std=[0.229, 0.224, 0.225]),
+    transforms.Normalize([0.485,0.456,0.406],[0.229,0.224,0.225]),
 ])
 
+# Функция предсказаний
 def predict(image: Image.Image) -> Dict[str, float]:
-    """
-    Выполняет предсказание для переданного изображения.
-    Args:
-        image (PIL.Image): Входное изображение.
-    
-    Returns:
-        Dict[str, float]: Словарь, где ключи – имена классов, а значения – вероятности.
-    """
     try:
-        # Приводим изображение к RGB и преобразуем
-        image = image.convert("RGB")
-        image_tensor = preprocess(image).unsqueeze(0).to(device)
-        
+        img = image.convert("RGB")
+        tensor = preprocess(img).unsqueeze(0).to(device)
         with torch.no_grad():
-            output = model(image_tensor)
-            # Предполагаем, что output имеет размерность [1, N]
-            scores = torch.nn.functional.softmax(output[0], dim=0)
-        
-        # Формируем словарь с предсказаниями
-        predictions = {label: float(score) for label, score in zip(labels, scores)}
-        sorted_predictions = dict(sorted(predictions.items(), key=lambda item: item[1], reverse=True))
-        return sorted_predictions
+            out = model(tensor)
+            probs = torch.nn.functional.softmax(out[0], dim=0)
+        preds = {lbl: float(p) for lbl,p in zip(labels, probs)}
+        return dict(sorted(preds.items(), key=lambda x: x[1], reverse=True))
     except Exception as e:
         return {"error": str(e)}
 
-# Описание интерфейса Gradio
-title = "🔥 Skin-AI"
-description = (
-    "🔬 **Skin-AI — AI-Powered Skin Disease Classification**\n\n"
-    "Проект использует глубокую модель для классификации заболеваний кожи по изображению.\n\n"
-    "### 🚀 Как использовать:\n\n"
-    "1️⃣ Загрузите или сфотографируйте поражённый участок кожи.\n\n"
-    "2️⃣ Нажмите кнопку 'Submit'.\n\n"
-    "3️⃣ Приложение покажет вероятности для возможных заболеваний.\n\n"
-    "⚠️ **Внимание!** Результаты предоставлены в ознакомительных целях и не являются медицинской диагностикой.\n\n"
-    "### 🛠 Используемые технологии:\n"
-    "- PyTorch\n"
-    "- Gradio\n"
-    "- Hugging Face Spaces\n\n"
-    "🔗 Исходный код: [Hugging Face](https://huggingface.co/Eraly-ml/Skin-AI)"
-)
+# Примеры
+examples = [["example1.jpg"], ["example2.jpg"]]
 
-# Примеры изображений
-examples = [
-    ["example1.jpg"],
-    ["example2.jpg"]
-]
+# Переводы
+translations = {
+    "Русский": {
+        "title": "# 🔥 Skin-AI",
+        "description": (
+            "🔬 **Skin-AI — AI для классификации кожных заболеваний**\n\n"
+            "1️⃣ Загрузите или выберите пример ниже.\n"
+            "2️⃣ Нажмите кнопку «Предсказать».\n"
+            "⚠️ **Не является медицинской диагностикой.**"
+        ),
+        "upload_label": "Загрузить изображение",
+        "submit": "Предсказать",
+        "result": "Результат"
+    },
+    "Қазақша": {
+        "title": "# 🔥 Skin-AI",
+        "description": (
+            "🔬 **Skin-AI — Терi ауруларын анықтайтын ИИ**\n\n"
+            "1️⃣ Суретті жүктеңіз не төмендегі мысалдарды таңдаңыз.\n"
+            "2️⃣ «Болжам жасау» батырмасын басыңыз.\n"
+            "⚠️ **Бұл медициналық диагноз емес.**"
+        ),
+        "upload_label": "Суретті жүктеу",
+        "submit": "Болжам жасау",
+        "result": "Нәтиже"
+    },
+    "English": {
+        "title": "# 🔥 Skin-AI",
+        "description": (
+            "🔬 **Skin-AI — AI-Powered Skin Disease Classification**\n\n"
+            "1️⃣ Upload an image or choose an example below.\n"
+            "2️⃣ Click the “Submit” button.\n"
+            "⚠️ **This is not a medical diagnosis.**"
+        ),
+        "upload_label": "Upload Image",
+        "submit": "Submit",
+        "result": "Prediction"
+    }
+}
 
-def update_submit_state(image):
-    return gr.update(interactive=image is not None)
+# Функция переключения языка
+def change_language(lang):
+    tr = translations[lang]
+    return (
+        gr.update(value=tr["title"]),
+        gr.update(value=tr["description"]),
+        gr.update(label=tr["upload_label"]),
+        gr.update(value=tr["submit"]),
+        gr.update(label=tr["result"])
+    )
 
-with gr.Blocks(theme=gr.themes.Soft()) as interface:
-    gr.Markdown(title)
-    gr.Markdown(description)
-    
-    with gr.Row():
-        image_input = gr.Image(type="pil", label="Upload Image")
-    
-    submit_button = gr.Button("Submit", interactive=False)
-    output_label = gr.Label(num_top_classes=3, label="Prediction")
-    
-    image_input.change(fn=update_submit_state, inputs=image_input, outputs=submit_button)
-    submit_button.click(fn=predict, inputs=image_input, outputs=output_label)
-    
+with gr.Blocks(theme=gr.themes.Soft()) as demo:
+    # Селектор языка
+    lang = gr.Dropdown(
+        choices=["Русский","Қазақша","English"],
+        value="Русский",
+        label="🌐 Язык / Language / Тiлдер"
+    )
+
+    # Заголовок и описание
+    title_md = gr.Markdown(translations["Русский"]["title"])
+    desc_md  = gr.Markdown(translations["Русский"]["description"])
+
+    # Основные компоненты
+    image_input   = gr.Image(type="pil", label=translations["Русский"]["upload_label"])
+    submit_button = gr.Button(translations["Русский"]["submit"])
+    output_label  = gr.Label(num_top_classes=3, label=translations["Русский"]["result"])
+
+    # Примеры
     gr.Examples(
-    examples=examples,
-    inputs=image_input,
-    outputs=output_label,
-    fn=predict,
-    cache_examples=True
-)
+        examples=examples,
+        inputs=image_input,
+        outputs=output_label,
+        fn=predict,
+        cache_examples=True
+    )
+
+    # Связи
+    lang.change(
+        fn=change_language,
+        inputs=lang,
+        outputs=[title_md, desc_md, image_input, submit_button, output_label]
+    )
+    submit_button.click(fn=predict, inputs=image_input, outputs=output_label)
 
-    
 if __name__ == "__main__":
-    interface.launch()
+    demo.launch()