Update app.py

app.py

@@ -2,6 +2,7 @@ import torch
 import torch.nn as nn
 import gradio as gr
 import numpy as np
+from PIL import Image
 
 # --------------------------
 # تنظیمات
@@ -37,25 +38,33 @@ G.load_state_dict(torch.load(model_path, map_location=device))
 G.eval()
 
 # --------------------------
-# تابع تولید تصویر
+# تابع تولید چند تصویر
 # --------------------------
-def generate_image(seed=42):
+def generate_images(seed=42, num_images=4):
     torch.manual_seed(seed)
-    z = torch.randn(1, latent_dim).to(device)
-    img = G(z).detach().cpu().squeeze().numpy()
-    img = (img + 1) / 2  # تبدیل [-1,1] به [0,1]
-    img = (img * 255).astype(np.uint8)  # تبدیل به uint8
-    return img
+    z = torch.randn(num_images, latent_dim).to(device)
+    imgs = G(z).detach().cpu().numpy()  # خروجی: (num_images,1,28,28)
+    
+    pil_images = []
+    for i in range(num_images):
+        img = (imgs[i].squeeze() + 1) / 2  # [-1,1] -> [0,1]
+        img = (img * 255).astype(np.uint8)
+        pil_images.append(Image.fromarray(img))
+    
+    return pil_images
 
 # --------------------------
-# ایجاد رابط Gradio
+# رابط Gradio
 # --------------------------
 iface = gr.Interface(
-    fn=generate_image,
-    inputs=gr.Slider(0, 10000, value=42, label="Seed"),
-    outputs=gr.Image(type="numpy"),  # مهم: از type="numpy" استفاده کنید
+    fn=generate_images,
+    inputs=[
+        gr.Slider(0, 10000, value=42, label="Seed"),
+        gr.Slider(1, 16, value=4, label="Number of Images")
+    ],
+    outputs=gr.Gallery(label="Generated MNIST Images").style(grid=[4,4]),
     title="MNIST GAN Generator",
-    description="یک مدل GAN ساده برای تولید تصاویر اعداد دست‌نویس MNIST"
+    description="یک مدل GAN برای تولید چند تصویر اعداد دست‌نویس MNIST"
 )
 
 iface.launch()