add app

app.py

@@ -0,0 +1,56 @@
+import streamlit as st
+from utils import carga_modelo, genera
+
+# Página principal
+st.title("Butterfly GAN (GAN de mariposas)")
+st.write(
+    "Modelo Light-GAN entrenado con 1000 imágenes de mariposas tomadas de la colección del Museo Smithsonian."
+)
+
+# Barra lateral
+st.sidebar.subheader("¡Estas mariposas no existen! 🤯.")
+st.sidebar.image("assets/logo.png", width=200)
+st.sidebar.caption(
+    f"[Modelo](https://huggingface.co/ceyda/butterfly_cropped_uniq1K_512) y [Dataset]("
+    f"https://huggingface.co/datasets/huggan/smithsonian_butterflies_subset) usados."
+)
+st.sidebar.caption(f"*Disclaimers:*")
+st.sidebar.caption(
+    "* Este demo creada a partir del curso de Platzi: Curso de Experimentación en Machine Learning con Hugging Face."
+)
+
+# Cargamos modelo
+repo_id = "ceyda/butterfly_cropped_uniq1K_512"
+version_modelo = "57d36a15546909557d9f967f47713236c8288838"
+modelo_gan = carga_modelo(repo_id, version_modelo)
+
+# Generamos 4 mariposas
+n_mariposas = 4
+
+# Función que genera mariposas y lo guarda como un estado de la sesión
+def corre():
+    with st.spinner("Generando, espera un poco..."):
+        ims = genera(modelo_gan, n_mariposas)
+        st.session_state["ims"] = ims
+
+
+# Si no hay una imagen generada entonces generala
+if "ims" not in st.session_state:
+    st.session_state["ims"] = None
+    corre()
+
+# ims contiene las imágenes generadas
+ims = st.session_state["ims"]
+
+# Si la usuaria da click en el botón entonces corremos la función genera()
+corre_boton = st.button(
+    "Genera mariposas, porfa.",
+    on_click=corre,
+    help="Estamos en pleno vuelo, puede tardar.",
+)
+
+if ims is not None:
+    cols = st.columns(n_mariposas)
+    for j, im in enumerate(ims):
+        i = j % n_mariposas
+        cols[i].image(im, use_column_width=True)

requirements.txt

@@ -0,0 +1,2 @@
+git+https://github.com/huggingface/community-events.git@3fea10c5d5a50c69f509e34cd580fe9139905d04#egg=huggan
+transformers

utils.py

@@ -3,14 +3,14 @@ import torch
 from huggan.pytorch.lightweight_gan.lightweight_gan import LightweightGAN
 
 
-## Cargamos el modelo desde el Hub de Hugging Face
+# Cargamos el modelo desde el Hub de Hugging Face
 def carga_modelo(model_name="ceyda/butterfly_cropped_uniq1K_512", model_version=None):
     gan = LightweightGAN.from_pretrained(model_name, version=model_version)
     gan.eval()
     return gan
 
 
-## Usamos el modelo GAN para generar imágenes
+# Usamos el modelo GAN para generar imágenes
 def genera(gan, batch_size=1):
     with torch.no_grad():
         ims = gan.G(torch.randn(batch_size, gan.latent_dim)).clamp_(0.0, 1.0) * 255