Add application file

app.py

@@ -1,41 +1,59 @@
 import streamlit as st
-from utils import carga_modelo,genera
 
-## Pagina principal
-st.title("generador de mariposas")
-st.write("este es un modelo lightGan entrenado")
-
-## Barra Lateral
-st.sidebar.subheader("¡Esta mariposa no existe, ¿Puedes creeerlo?")
-st.sidebar.image("assets/logo.png",width=200)
-st.sidebar.caption("Demo creado en vivo")
-
-## Cargamos el modelo
+from utils import carga_modelo, genera
+
+## Página principal
+st.title("Butterfly GAN (GAN de mariposas)")
+st.write(
+    "Modelo Light-GAN entrenado con 1000 imágenes de mariposas tomadas de la colección del Museo Smithsonian."
+)
+
+## Barra lateral
+st.sidebar.subheader("¡Esta mariposa no existe! Ni en América Latina 🤯.")
+st.sidebar.image("assets/logo.png", width=200)
+st.sidebar.caption(
+    f"[Modelo](https://huggingface.co/ceyda/butterfly_cropped_uniq1K_512) y [Dataset](https://huggingface.co/datasets/huggan/smithsonian_butterflies_subset) usados."
+)
+st.sidebar.caption(f"*Disclaimers:*")
+st.sidebar.caption(
+    "* Este demo es una versión simplificada del creado por [Ceyda Cinarel](https://github.com/cceyda) y [Jonathan Whitaker](https://datasciencecastnet.home.blog/) ([link](https://huggingface.co/spaces/huggan/butterfly-gan)) durante el hackathon [HugGan](https://github.com/huggingface/community-events). Cualquier error se atribuye a [Omar Espejel](https://twitter.com/espejelomar)."
+)
+st.sidebar.caption(
+    "* Modelo basado en el [paper](https://openreview.net/forum?id=1Fqg133qRaI) *Towards Faster and Stabilized GAN Training for High-fidelity Few-shot Image Synthesis*."
+)
+
+## Cargamos modelo
 repo_id = "ceyda/butterfly_cropped_uniq1K_512"
-modelo_gan = carga_modelo(repo_id)
+version_modelo = "57d36a15546909557d9f967f47713236c8288838"
+modelo_gan = carga_modelo(repo_id, version_modelo)
 
 ## Generamos 4 mariposas
-
 n_mariposas = 4
 
+## Función que genera mariposas y lo guarda como un estado de la sesión
 def corre():
-    with st.spinner("Generando espera..."):
-        ims = genera(modelo_gan,n_mariposas)
+    with st.spinner("Generando, espera un poco..."):
+        ims = genera(modelo_gan, n_mariposas)
         st.session_state["ims"] = ims
 
+
+## Si no hay una imagen generada entonces generala
 if "ims" not in st.session_state:
-    st.session_state["ims"]= None
-    corre()        
+    st.session_state["ims"] = None
+    corre()
 
+## ims contiene las imágenes generadas
 ims = st.session_state["ims"]
+
+## Si la usuaria da click en el botón entonces corremos la función genera()
 corre_boton = st.button(
-    "Generar mariposas",
+    "Genera mariposas, porfa.",
     on_click=corre,
-    help="Estamos en vuelo, abrocha tu sinturon"
-    )
+    help="Estamos en pleno vuelo, puede tardar.",
+)
 
 if ims is not None:
     cols = st.columns(n_mariposas)
     for j, im in enumerate(ims):
         i = j % n_mariposas
-        cols[i].image(im,use_column_width=True)
+        cols[i].image(im, use_column_width=True)

utils.py

@@ -1,14 +1,18 @@
 import numpy as np
-import torch 
-from huggan.pytorch.lightweight_gan.lightweight_gan import LightweightGAN 
+import torch
+from huggan.pytorch.lightweight_gan.lightweight_gan import LightweightGAN
 
+
+## Cargamos el modelo desde el Hub de Hugging Face
 def carga_modelo(model_name="ceyda/butterfly_cropped_uniq1K_512", model_version=None):
     gan = LightweightGAN.from_pretrained(model_name, version=model_version)
     gan.eval()
     return gan
 
+
+## Usamos el modelo GAN para generar imágenes
 def genera(gan, batch_size=1):
     with torch.no_grad():
-        ims = gan.G(torch.randn(batch_size,gan.latent_dim)).clamp_(0.0,1.0) * 255
-        ims = ims.permute(0,2,3,1).detach().cpu().numpy().astype(np.uint8)
-        return ims
+        ims = gan.G(torch.randn(batch_size, gan.latent_dim)).clamp_(0.0, 1.0) * 255
+        ims = ims.permute(0, 2, 3, 1).detach().cpu().numpy().astype(np.uint8)
+    return ims