Update app.py

app.py

@@ -1,82 +1,132 @@
-import gradio as gr
-from datasets import load_dataset
-import pandas as pd
-
-# Función para generar el esquema CSV basado en las selecciones del usuario
-def generate_csv(modalities, tasks):
-    columns = []
-    for modality, task in zip(modalities, tasks):
-        if modality == "Visión" and task == "Detección de Objetos":
-            columns.extend(["imagen", "etiqueta", "coordenadas_bbox"])
-        elif modality == "NLP" and task == "Clasificación de Texto":
-            columns.extend(["texto", "etiqueta"])
-        elif modality == "Audio" and task == "Clasificación de Audio":
-            columns.extend(["archivo_audio", "etiqueta"])
-    return ", ".join(columns)
-
-# Función para buscar datasets públicos relevantes
-def search_datasets(modalities):
-    # Simulación de búsqueda de datasets en Hugging Face
-    dataset_map = {
-        "Visión": ["coco", "imagenet"],
-        "NLP": ["imdb", "glue"],
-        "Audio": ["common_voice", "librispeech"]
-    }
-    results = []
-    for modality in modalities:
-        if modality in dataset_map:
-            results.extend(dataset_map[modality])
-    return "\n".join(results)
-
-# Función para procesar datasets seleccionados
-def process_datasets(dataset_urls):
-    datasets = []
-    for url in dataset_urls.split("\n"):
-        if url.strip():
-            try:
-                dataset = load_dataset(url.strip())
-                datasets.append(dataset)
-            except Exception as e:
-                return f"Error al cargar el dataset {url}: {str(e)}"
-    combined_dataset = pd.concat([pd.DataFrame(ds) for ds in datasets], ignore_index=True)
-    return combined_dataset.to_csv(index=False)
-
-# Interfaz de Usuario con Gradio
-with gr.Blocks(title="Diseñador de Redes Neuronales Multimodales") as demo:
-    gr.Markdown("# Diseñador de Redes Neuronales Multimodales")
-    gr.Markdown("Define tu red neuronal multimodal, genera datasets específicos y entrena modelos.")
-
-    with gr.Row():
-        modalities = gr.CheckboxGroup(
-            ["Visión", "NLP", "Audio"], label="Selecciona Modalidades"
-        )
-        tasks = gr.Dropdown(
-            [
-                "Detección de Objetos",
-                "Clasificación de Texto",
-                "Clasificación de Audio",
-            ],
-            multiselect=True,
-            label="Selecciona Tareas",
-        )
-
-    with gr.Row():
-        generate_csv_btn = gr.Button("Generar Esquema CSV")
-        csv_output = gr.Textbox(label="Esquema CSV Generado")
-
-    with gr.Row():
-        search_datasets_btn = gr.Button("Buscar Datasets Públicos")
-        datasets_output = gr.Textbox(label="Datasets Disponibles")
-
-    with gr.Row():
-        dataset_urls = gr.Textbox(lines=5, label="Introduce URLs de Datasets")
-        process_datasets_btn = gr.Button("Procesar Datasets")
-        processed_output = gr.File(label="Dataset Procesado")
-
-    # Conexiones de botones a funciones
-    generate_csv_btn.click(generate_csv, inputs=[modalities, tasks], outputs=csv_output)
-    search_datasets_btn.click(search_datasets, inputs=[modalities], outputs=datasets_output)
-    process_datasets_btn.click(process_datasets, inputs=[dataset_urls], outputs=processed_output)
-
-# Lanzar la aplicación
+import gradio as gr
+from datasets import load_dataset
+import pandas as pd
+
+# Función para generar el esquema CSV basado en las selecciones del usuario
+def generate_csv(modalities, tasks):
+    columns = []
+    for modality, task in zip(modalities, tasks):
+        if modality == "Visión" and task == "Detección de Objetos":
+            columns.extend(["imagen", "etiqueta", "coordenadas_bbox"])
+        elif modality == "Visión" and task == "Segmentación Semántica":
+            columns.extend(["imagen", "máscara"])
+        elif modality == "Visión" and task == "Clasificación de Imágenes":
+            columns.extend(["imagen", "etiqueta"])
+        elif modality == "Visión" and task == "Reconocimiento Facial":
+            columns.extend(["imagen", "identidad"])
+        elif modality == "NLP" and task == "Clasificación de Texto":
+            columns.extend(["texto", "etiqueta"])
+        elif modality == "NLP" and task == "Generación de Texto":
+            columns.extend(["entrada", "salida"])
+        elif modality == "NLP" and task == "Traducción Automática":
+            columns.extend(["texto_original", "traducción"])
+        elif modality == "NLP" and task == "Análisis de Sentimientos":
+            columns.extend(["texto", "sentimiento"])
+        elif modality == "Audio" and task == "Clasificación de Audio":
+            columns.extend(["archivo_audio", "etiqueta"])
+        elif modality == "Audio" and task == "Transcripción de Voz":
+            columns.extend(["archivo_audio", "texto"])
+        elif modality == "Audio" and task == "Separación de Fuentes":
+            columns.extend(["archivo_audio", "fuente_separada"])
+        elif modality == "Audio" and task == "Síntesis de Voz":
+            columns.extend(["texto", "archivo_audio_generado"])
+    return ", ".join(columns)
+
+# Función para buscar datasets públicos relevantes
+def search_datasets(modalities):
+    # Simulación de búsqueda de datasets en Hugging Face
+    dataset_map = {
+        "Visión": ["coco", "imagenet", "openimages", "cityscapes"],
+        "NLP": ["imdb", "glue", "wmt14", "sentiment140"],
+        "Audio": ["common_voice", "librispeech", "fma", "musdb18"]
+    }
+    results = []
+    for modality in modalities:
+        if modality in dataset_map:
+            results.extend(dataset_map[modality])
+    return "\n".join(results)
+
+# Función para seleccionar datasets y agregarlos al campo de URLs
+def select_datasets(selected_datasets, current_urls):
+    selected_datasets = selected_datasets.split("\n")
+    current_urls = current_urls.split("\n") if current_urls else []
+    updated_urls = list(set(current_urls + selected_datasets))
+    return "\n".join(updated_urls)
+
+# Función para procesar datasets seleccionados
+def process_datasets(dataset_urls):
+    datasets = []
+    for url in dataset_urls.split("\n"):
+        if url.strip():
+            try:
+                dataset = load_dataset(url.strip())
+                datasets.append(pd.DataFrame(dataset["train"]))
+            except Exception as e:
+                return f"Error al cargar el dataset {url}: {str(e)}"
+    combined_dataset = pd.concat(datasets, ignore_index=True)
+    return combined_dataset.to_csv(index=False)
+
+# Interfaz de Usuario con Gradio
+with gr.Blocks(title="Diseñador de Redes Neuronales Multimodales") as demo:
+    gr.Markdown("# Diseñador de Redes Neuronales Multimodales")
+    gr.Markdown("Define tu red neuronal multimodal, genera datasets específicos y entrena modelos.")
+
+    with gr.Row():
+        modalities = gr.CheckboxGroup(
+            ["Visión", "NLP", "Audio"], label="Selecciona Modalidades"
+        )
+
+    with gr.Row():
+        vision_tasks = gr.CheckboxGroup(
+            ["Detección de Objetos", "Segmentación Semántica", "Clasificación de Imágenes", "Reconocimiento Facial"],
+            label="Tareas para Visión",
+            visible=False
+        )
+        nlp_tasks = gr.CheckboxGroup(
+            ["Clasificación de Texto", "Generación de Texto", "Traducción Automática", "Análisis de Sentimientos"],
+            label="Tareas para NLP",
+            visible=False
+        )
+        audio_tasks = gr.CheckboxGroup(
+            ["Clasificación de Audio", "Transcripción de Voz", "Separación de Fuentes", "Síntesis de Voz"],
+            label="Tareas para Audio",
+            visible=False
+        )
+
+    def update_task_visibility(modalities):
+        return [
+            gr.update(visible="Visión" in modalities),
+            gr.update(visible="NLP" in modalities),
+            gr.update(visible="Audio" in modalities)
+        ]
+
+    modalities.change(update_task_visibility, inputs=[modalities], outputs=[vision_tasks, nlp_tasks, audio_tasks])
+
+    with gr.Row():
+        generate_csv_btn = gr.Button("Generar Esquema CSV")
+        csv_output = gr.Textbox(label="Esquema CSV Generado")
+
+    with gr.Row():
+        search_datasets_btn = gr.Button("Buscar Datasets Públicos")
+        datasets_output = gr.Textbox(label="Datasets Disponibles", lines=5)
+
+    with gr.Row():
+        select_datasets_btn = gr.Button("Seleccionar Datasets")
+        dataset_urls = gr.Textbox(label="Introduce URLs de Datasets", lines=5)
+
+    with gr.Row():
+        process_datasets_btn = gr.Button("Procesar Datasets")
+        processed_output = gr.File(label="Dataset Procesado")
+
+    # Conexiones de botones a funciones
+    generate_csv_btn.click(
+        generate_csv,
+        inputs=[modalities, vision_tasks] + [modalities, nlp_tasks] + [modalities, audio_tasks],
+        outputs=csv_output
+    )
+    search_datasets_btn.click(search_datasets, inputs=[modalities], outputs=datasets_output)
+    select_datasets_btn.click(select_datasets, inputs=[datasets_output, dataset_urls], outputs=dataset_urls)
+    process_datasets_btn.click(process_datasets, inputs=[dataset_urls], outputs=processed_output)
+
+# Lanzar la aplicación
 demo.launch()