File size: 3,722 Bytes
a8ceb05 |
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 |
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/wp6480460.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)
# Вставка кода с кнопками
container = st.container()
# Настройка стиля контейнера с помощью CSS
container.markdown(
"""
<style>
.container-style {
display: flex;
justify-content: center;
align-items: center;
margin-top: 20px;
margin-bottom: 20px;
}
</style>
""",
unsafe_allow_html=True
)
# Расположение кнопок внутри контейнера
with container:
col1, col2, col3 = st.columns(3)
# Кнопки для перехода на другие страницы
if col1.button('Страница 1'):
# Действия при нажатии кнопки для перехода на Страницу 1
st.experimental_set_query_params(page='?page=1')
if col2.button('Страница 2'):
# Действия при нажатии кнопки для перехода на Страницу 2
st.experimental_set_query_params(page='2')
if col3.button('Страница 3'):
# Действия при нажатии кнопки для перехода на Страницу 3
st.experimental_set_query_params(page='third.py')
|