import os
import gradio as gr
from PIL import Image
from huggingface_hub import hf_hub_url, cached_download


os.system("git clone https://github.com/AK391/stylegan2-ada-pytorch")


os.chdir("stylegan2-ada-pytorch")

os.mkdir("outputs")
os.mkdir("outputs/images")

config_file_url = hf_hub_url("AUBMC-AIM/MammoGANesis", filename="mammoGANesis.pkl")
cached_file = cached_download(config_file_url)

def inference(truncation, seeds):
  os.system("python generate.py --outdir=./outputs/images/ --trunc=" + str(truncation) + " --seeds=" + str(int(seeds)) + " --network=" + cached_file)
  seeds = int(seeds)
  image = Image.open(f"./outputs/images/seed{seeds:04d}.png")
  return image

title = "MammoGANesis"
description = "Demonstração Gradio para o MammoGANesis: Geração Controlada de Mamogramas de Alta Resolução para Educação em Radiologia. Este artigo demonstra a capacidade do modelo de gerar mamogramas anatomicamente e medicamente relevantes, alcançando uma AUC média de 0,54 em um estudo duplo-cego com quatro radiologistas especializados em mamografia para distinguir entre imagens geradas e reais, atribuindo-se à alta qualidade visual dos mamogramas sintetizados e editados, e seu potencial uso no avanço e facilitação da educação médica. Para usá-lo, adicione a semente e a truncagem, ou clique em um dos exemplos para carregá-los. Leia mais nos links abaixo."

article = "<p style='text-align: center'><a href='https://cyrilzakka.github.io/radiology/2020/10/13/mammogenesis.html' target='_blank'>MammoGANesis: Geração Controlada de Mamogramas de Alta Resolução para Educação em Radiologia</a><center></a></center></p><center><img src='https://visitor-badge.glitch.me/badge?page_id=akhaliq_mammogan' alt='visitor badge'></center>"

gr.Interface(inference, [gr.inputs.Slider(label="Truncagem", minimum=0, maximum=5, step=0.1, default=0.8),
                         gr.inputs.Slider(label="Semente", minimum=0, maximum=1000, step=1, default=0)],
              "pil", title=title, description=description, article=article, examples=[[0.8, 0]]).launch(enable_queue=True)