Update app.py

app.py

@@ -1,7 +1,89 @@
+import numpy as np
+import matplotlib.pyplot as plt
+import networkx as nx
 import gradio as gr
 
-def greet(name):
-    return "Hello " + name + "!!"
+# Başlangıçta nöron sayıları
+input_size = 3
+hidden_size = 4
+output_size = 2
 
-demo = gr.Interface(fn=greet, inputs="text", outputs="text")
+# Grafik için boş bir yönlendirilmiş grafik oluşturma
+G = nx.DiGraph()
+
+# Nöronları güncelleme ve grafik oluşturma
+def update_graph(input_size, hidden_size, output_size):
+    # Integer türüne dönüştür
+    input_size = int(input_size)
+    hidden_size = int(hidden_size)
+    output_size = int(output_size)
+
+    # Ağı temizle
+    G.clear()
+
+    # Giriş katmanı nöronları
+    for i in range(input_size):
+        G.add_node(f'I{i}', layer='input')
+
+    # Gizli katman nöronları
+    for i in range(hidden_size):
+        G.add_node(f'H{i}', layer='hidden')
+
+    # Çıkış katmanı nöronları
+    for i in range(output_size):
+        G.add_node(f'O{i}', layer='output')
+
+    # Giriş katmanından gizli katmana bağlantılar
+    for i in range(input_size):
+        for j in range(hidden_size):
+            G.add_edge(f'I{i}', f'H{j}', weight=np.random.rand())
+
+    # Gizli katmandan çıkış katmanına bağlantılar
+    for j in range(hidden_size):
+        for k in range(output_size):
+            G.add_edge(f'H{j}', f'O{k}', weight=np.random.rand())
+
+    # Nöronların pozisyonlarının hesaplanması
+    pos = {}
+    
+    # Giriş katmanı pozisyonları
+    for i in range(input_size):
+        pos[f'I{i}'] = (0, 1 - (i / (input_size - 1)))  # Dikey olarak yerleştir
+
+    # Gizli katman pozisyonları
+    for i in range(hidden_size):
+        pos[f'H{i}'] = (1, 1 - (i / (hidden_size - 1)))  # Dikey olarak yerleştir
+
+    # Çıkış katmanı pozisyonları
+    for i in range(output_size):
+        pos[f'O{i}'] = (2, 1 - (i / (output_size - 1)))  # Dikey olarak yerleştir
+
+    # Kenar ağırlıklarının görselleştirilmesi
+    edges = G.edges(data=True)
+
+    # Ağı görselleştirme
+    plt.figure(figsize=(10, 6))
+    nx.draw(G, pos, with_labels=True, node_size=2000, node_color='skyblue', font_size=12, font_weight='bold', arrows=True)
+    nx.draw_networkx_edge_labels(G, pos, edge_labels={(u, v): f'{d["weight"]:.2f}' for u, v, d in edges})
+    plt.title("MLP Modelinin Görselleştirilmesi", fontsize=16)
+    plt.axis('off')  # Eksenleri kapat
+    plt.tight_layout()  # Düzeni ayarla
+    
+    return plt
+
+# Gradio arayüzü tanımlama
+with gr.Blocks() as demo:
+    gr.Markdown("### MLP Modeli Görselleştirici")
+    
+    input_slider = gr.Slider(minimum=1, maximum=10, value=input_size, label="Giriş Katmanı Nöron Sayısı")
+    hidden_slider = gr.Slider(minimum=1, maximum=10, value=hidden_size, label="Gizli Katman Nöron Sayısı")
+    output_slider = gr.Slider(minimum=1, maximum=10, value=output_size, label="Çıkış Katmanı Nöron Sayısı")
+    
+    output_plot = gr.Plot(label="MLP Model Grafiği")
+    
+    update_button = gr.Button("Güncelle")
+    
+    update_button.click(fn=update_graph, inputs=[input_slider, hidden_slider, output_slider], outputs=output_plot)
+
+# Uygulamayı çalıştırma
 demo.launch()