Hugging Face's logo

Spaces:
SaviAnna
/
history_mistery
Sleeping

App Files Community
4
history_mistery
File size: 3,487 Bytes 
7a5f863
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
 
import streamlit as st
import base64
import streamlit as st
import plotly.express as px

df = px.data.iris()

@st.cache_data
def get_img_as_base64(file):
    with open(file, "rb") as f:
        data = f.read()
    return base64.b64encode(data).decode()


page_bg_img = f"""
<style>
[data-testid="stAppViewContainer"] > .main {{
background-image: url("https://wallpapercave.com/wp/wp6495731.jpg");
background-size: 115%;
background-position: top left;
background-repeat: no-repeat;
background-attachment: local;
}}

[data-testid="stSidebar"] > div:first-child {{
background-image: url("https://ibb.co/ZBkdJRg");
background-size: 115%;
background-position: center; 
background-repeat: no-repeat;
background-attachment: fixed;
}}

[data-testid="stHeader"] {{
background: rgba(0,0,0,0);
}}

[data-testid="stToolbar"] {{
right: 2rem;
}}

div.css-1n76uvr.e1tzin5v0 {{
background-color: rgba(238, 238, 238, 0.5);
border: 10px solid #EEEEEE;
padding: 5% 5% 5% 10%;
border-radius: 5px;
}}

</style>
"""
st.markdown(page_bg_img, unsafe_allow_html=True)

import tensorflow as tf
from tensorflow import keras
import numpy as np
import matplotlib.pyplot as plt

################################################################################################
#Тут нужно будет добаить модель. Ниже пример:

# # Загрузка модели
# model = keras.models.load_model('cgan_model.h5')

# # Задание размерностей входных данных модели
# latent_dim = 128
# num_classes = 10

# # Функция для генерации изображения
# def generate_image(number):
#     random_latent_vector = tf.random.normal(shape=(1, latent_dim))
#     one_hot_label = tf.one_hot([number], num_classes)
#     input_data = tf.concat([random_latent_vector, one_hot_label], axis=1)

#     generated_image = model.predict(input_data)
#     generated_image = generated_image.reshape(28, 28)
#     generated_image = tf.image.resize(generated_image[None, ...], (28, 28))[0]  # Добавлено [None, ...] для добавления измерения
#     return generated_image

################################################################################################

#Оформление

col1, col2, col3 = st.columns([1,5,1])
with col2:

    st.title('Название модели')
    
col1, col2, col3 = st.columns([2,5,2])
with col2:

    number = st.slider('Выберите число:', 0, 9, step=1)

################################################################################################  
# Часть, отображаемая на странице

#     number = st.slider('Выберите число:', 0, 9, step=1)


#  #col1.subheader("Гистограмма total_bill:")

#     # Генерация и отображение изображения
#     generated_image = generate_image(number)
#     generated_image_np = generated_image.numpy()  # Преобразование в массив NumPy
#     fig, ax = plt.subplots()
#     ax.scatter([1, 2], [1, 2], color='black')
#     plt.imshow(generated_image_np, cmap='gray')
#     plt.axis('off')
#     fig.set_size_inches(3, 3)
#     st.pyplot(fig)

################################################################################################ 
#st.markdown("<div style='text-align: center; font-size: 25px;'> ", unsafe_allow_html=True)
#st.markdown("<div style='text-align: center; font-size: 25px;'> ", unsafe_allow_html=True)