Create app.py

app.py

@@ -0,0 +1,82 @@
+# app.py
+
+import streamlit as st
+import torch
+import torch.nn as nn
+import torch.nn.functional as F
+import pandas as pd
+import numpy as np
+
+st.title("🧠 Weeko Configurator - AI per dispositivi ICT rigenerati")
+
+# 📦 Step 1 – Simulazione dataset componenti
+def genera_dataset(n=100):
+    torch.manual_seed(42)
+    volume = torch.randn(n, 1) * 10 + 50
+    area = torch.randn(n, 1) * 5 + 20
+    lunghezza = torch.randn(n, 1) * 30 + 100
+    materiale = torch.randint(0, 3, (n, 1)).float()
+    rigidita = torch.rand(n, 1)
+    usura = torch.rand(n, 1)
+    return torch.cat([volume, area, lunghezza, materiale, rigidita, usura], dim=1)
+
+# 🧠 Step 2 – VAE molto semplice
+class VAE(nn.Module):
+    def __init__(self, input_dim=6, latent_dim=2):
+        super(VAE, self).__init__()
+        self.fc1 = nn.Linear(input_dim, 12)
+        self.fc21 = nn.Linear(12, latent_dim)
+        self.fc22 = nn.Linear(12, latent_dim)
+        self.fc3 = nn.Linear(latent_dim, 12)
+        self.fc4 = nn.Linear(12, input_dim)
+
+    def encode(self, x):
+        h1 = F.relu(self.fc1(x))
+        return self.fc21(h1), self.fc22(h1)
+
+    def reparameterize(self, mu, logvar):
+        std = torch.exp(0.5 * logvar)
+        eps = torch.randn_like(std)
+        return mu + eps * std
+
+    def decode(self, z):
+        h3 = F.relu(self.fc3(z))
+        return self.fc4(h3)
+
+    def forward(self, x):
+        mu, logvar = self.encode(x)
+        z = self.reparameterize(mu, logvar)
+        return self.decode(z)
+
+# 🧪 Step 3 – Compatibilità con strutture target
+strutture_target = {
+    "Dock-Rigenerato": {"max_volume": 250, "max_area": 60, "max_lunghezza": 160},
+    "Oggetto-Vetrina": {"max_volume": 200, "max_area": 80, "max_lunghezza": 130},
+    "Tool educativo": {"max_volume": 300, "max_area": 100, "max_lunghezza": 200},
+}
+
+def valuta_compatibilità(x, target):
+    score = 0
+    if x[0] <= target["max_volume"]: score += 1
+    if x[1] <= target["max_area"]: score += 1
+    if x[2] <= target["max_lunghezza"]: score += 1
+    return score
+
+def assegna_struttura(x):
+    punteggi = {k: valuta_compatibilità(x, v) for k, v in strutture_target.items()}
+    return max(punteggi, key=punteggi.get)
+
+# 🎛️ Step 4 – Interfaccia
+if st.button("🎲 Genera Configurazioni"):
+    vae = VAE()
+    dati_input = genera_dataset()
+    with torch.no_grad():
+        decoded = vae(dati_input).numpy()
+
+    df = pd.DataFrame(decoded, columns=["Volume", "Area", "Lunghezza", "Materiale", "Rigidità", "Usura"])
+    df["Struttura Compatibile"] = df.apply(lambda row: assegna_struttura(row.values), axis=1)
+
+    st.success("✅ Configurazioni generate!")
+    st.dataframe(df.round(2))
+    csv = df.to_csv(index=False).encode('utf-8')
+    st.download_button("📥 Scarica CSV", csv, "weeko_config.csv", "text/csv")