Update app.py

Language change to English

app.py

@@ -3,87 +3,100 @@ import matplotlib.pyplot as plt
 import networkx as nx
 import gradio as gr
 
-# Başlangıçta nöron sayıları
+# Initial neuron numbers and colors
 input_size = 3
 hidden_size = 4
 output_size = 2
+input_color = "skyblue"
+hidden_color = "lightgreen"
+output_color = "salmon"
 
-# Grafik için boş bir yönlendirilmiş grafik oluşturma
+# Create an empty directed graph for the visualization
 G = nx.DiGraph()
 
-# Nöronları güncelleme ve grafik oluşturma
-def update_graph(input_size, hidden_size, output_size):
-    # Integer türüne dönüştür
+# Update neurons and create the graph
+def update_graph(input_size, hidden_size, output_size, input_color, hidden_color, output_color):
+    # Convert to integer type
     input_size = int(input_size)
     hidden_size = int(hidden_size)
     output_size = int(output_size)
 
-    # Ağı temizle
+    # Clear the graph
     G.clear()
 
-    # Giriş katmanı nöronları
+    # Input layer neurons
     for i in range(input_size):
         G.add_node(f'I{i}', layer='input')
 
-    # Gizli katman nöronları
+    # Hidden layer neurons
     for i in range(hidden_size):
         G.add_node(f'H{i}', layer='hidden')
 
-    # Çıkış katmanı nöronları
+    # Output layer neurons
     for i in range(output_size):
         G.add_node(f'O{i}', layer='output')
 
-    # Giriş katmanından gizli katmana bağlantılar
+    # Connections from input layer to hidden layer
     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
+    # Connections from hidden layer to output layer
     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
+    # Calculate neuron positions
     pos = {}
     
-    # Giriş katmanı pozisyonları
+    # Input layer positions
     for i in range(input_size):
-        pos[f'I{i}'] = (0, 1 - (i / (input_size - 1)))  # Dikey olarak yerleştir
+        pos[f'I{i}'] = (0, 1 - (i / (input_size - 1)))  # Vertically aligned
 
-    # Gizli katman pozisyonları
+    # Hidden layer positions
     for i in range(hidden_size):
-        pos[f'H{i}'] = (1, 1 - (i / (hidden_size - 1)))  # Dikey olarak yerleştir
+        pos[f'H{i}'] = (1, 1 - (i / (hidden_size - 1)))  # Vertically aligned
 
-    # Çıkış katmanı pozisyonları
+    # Output layer positions
     for i in range(output_size):
-        pos[f'O{i}'] = (2, 1 - (i / (output_size - 1)))  # Dikey olarak yerleştir
+        pos[f'O{i}'] = (2, 1 - (i / (output_size - 1)))  # Vertically aligned
 
-    # Kenar ağırlıklarının görselleştirilmesi
+    # Visualize edge weights
     edges = G.edges(data=True)
 
-    # Ağı görselleştirme
+    # Visualize the graph
     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(G, pos, with_labels=True, node_size=2000, node_color=[input_color] * input_size + [hidden_color] * hidden_size + [output_color] * output_size, 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("Visual MLP", fontsize=16)
-    plt.axis('off')  # Eksenleri kapat
-    plt.tight_layout()  # Düzeni ayarla
+    plt.axis('off')  # Turn off axes
+    plt.tight_layout()  # Adjust layout
     
-    return plt
+    # Display the graph
+    buf = plt.gcf()  # Get the current figure
+    plt.close()  # Close the plot
+    
+    return buf  # Return the graph
 
-# Gradio arayüzü tanımlama
+# Define the Gradio interface
 with gr.Blocks() as demo:
-    gr.Markdown("### MLP Modeli Görselleştirici")
-    
-    input_slider = gr.Slider(minimum=1, maximum=10, value=input_size, label="Input Layer")
-    hidden_slider = gr.Slider(minimum=1, maximum=10, value=hidden_size, label="Hidden Layer")
-    output_slider = gr.Slider(minimum=1, maximum=10, value=output_size, label="Output Layer")
+    gr.Markdown("### MLP Model Visualizer")
     
-    output_plot = gr.Plot(label="MLP Model Grafiği")
+    input_slider = gr.Slider(minimum=2, maximum=10, value=input_size, label="Input Layer")
+    hidden_slider = gr.Slider(minimum=2, maximum=10, value=hidden_size, label="Hidden Layer")
+    output_slider = gr.Slider(minimum=2, maximum=10, value=output_size, label="Output Layer")
+
+    input_color_picker = gr.ColorPicker(value=input_color, label="Input Layer Colour")
+    hidden_color_picker = gr.ColorPicker(value=hidden_color, label="Hidden Layer Colour")
+    output_color_picker = gr.ColorPicker(value=output_color, label="Output Colour")
     
+    output_plot = gr.Plot(label="MLP Model Graph")
+
     update_button = gr.Button("Update")
     
-    update_button.click(fn=update_graph, inputs=[input_slider, hidden_slider, output_slider], outputs=output_plot)
+    update_button.click(fn=update_graph, 
+                        inputs=[input_slider, hidden_slider, output_slider, input_color_picker, hidden_color_picker, output_color_picker], 
+                        outputs=output_plot)
 
-# Uygulamayı çalıştırma
+# Run the application
 demo.launch()