Update app.py

app.py

@@ -63,14 +63,10 @@ st.markdown("""
         """, unsafe_allow_html=True)
 
 
-
-#st.header(f"LA QUALITE DE L'AIR A")
-#st.title(f"NAIROBI,KENYA")
-#st.header("Pollution de l'Air en NAIROBI")
     
 header , menu = st.columns(2)
 with header:
-    st.image('cif2.png')
+    #st.image('cif2.png')
 
 with menu:
     # option_menu(menu_title=None,
@@ -214,9 +210,9 @@ if selecte == "Home":
 
             
             if index == 0:
-                st.image('./static/image/not_fraud.JPG')
+                #st.image('./static/image/not_fraud.JPG')
             else:
-                st.image('./static/image/Fraud-alert-2023.JPG')
+                #st.image('./static/image/Fraud-alert-2023.JPG')
             st.write("### score: {}%".format(int(conf_score * 1000) / 10))
     
     footer = st.container()
@@ -330,9 +326,9 @@ if selecte == "About":
         st.write('Comme il s\'agit d\'un problème de vision par ordinateur, il était très clair et logique d\'essayer un réseau neuronal convolutif. Nous avons utilisé ResNet 18 avec les  poids pré-entraînés sur l\'ensemble de données ImageNet .Nous avons  remplacé la couche de sortie et  la couche d\'entrée.Le model a donné un résultat suivants:')
         col1, col2 =st.columns(2)
         with col1:
-            st.image('./static/image/loss.png')
+            #st.image('./static/image/loss.png')
         with col2:
-            st.image('./static/image/acc.png')
+            #st.image('./static/image/acc.png')
     footer = st.container()
     with footer:
         st.markdown("---")