Update pages/Entorno de Ejecución.py

pages/Entorno de Ejecución.py

@@ -7,7 +7,7 @@ import os
 import cv2
 import numpy as np
 
-zsloaded = st.session_state.get('zsloaded', False)
+zsloaded = False
 
 st.set_page_config(
     page_title = 'Patacotrón',
@@ -190,29 +190,31 @@ with zero_shot:
     
     with col_b:
 
+        if st.button(key = 'clip_button', label = 'Cargar modelo de clasificación (puede tomar algo de tiempo)')
+            with st.spinner("Cargando modelo de clasificación..."):
+                    classifier = pipeline("zero-shot-image-classification", model = 'openai/clip-vit-large-patch14-336')
+                    zsloaded = True
         
         if st.button(key = 'ZS_button', label ='¿Hay un patacón en la imagen?'):
             if uploaded_file is not None:
-                if not zsloaded:
-                    with st.spinner("Cargando modelo de clasificación..."):
-                        classifier = pipeline("zero-shot-image-classification", model = 'openai/clip-vit-large-patch14-336')
-                        zsloaded = True
-                        st.session_state['zsloaded'] = zsloaded
-                with st.spinner('Cargando predicción...'):
-                    img = preprocess(uploaded_file, module = 'pil')
-                    zs_classifier = classifier(img, 
-                    candidate_labels = labels_for_classification)
-
-                    for clase in zs_classifier:
-                        if clase['label'] == 'A yellow deep fried smashed plantain':
-                            y_gorrito = clase["score"]
-                        
-                    if round(float(y_gorrito*100)) >= threshold:
-                        st.success("¡Patacón Detectado!")
-                    else:
-                        st.error("No se considera que haya un patacón en la imagen")
-                    st.caption(f'La probabilidad de que la imagen tenga un patacón es del: {round(float(y_gorrito * 100), 2)}%')  
-                    st.image(img)
+                if not zsloaded:  
+                        st.write('Primero se necesita cargar el modelo.')
+                else:
+                    with st.spinner('Cargando predicción...'):
+                        img = preprocess(uploaded_file, module = 'pil')
+                        zs_classifier = classifier(img, 
+                        candidate_labels = labels_for_classification)
+    
+                        for clase in zs_classifier:
+                            if clase['label'] == 'A yellow deep fried smashed plantain':
+                                y_gorrito = clase["score"]
+                            
+                        if round(float(y_gorrito*100)) >= threshold:
+                            st.success("¡Patacón Detectado!")
+                        else:
+                            st.error("No se considera que haya un patacón en la imagen")
+                        st.caption(f'La probabilidad de que la imagen tenga un patacón es del: {round(float(y_gorrito * 100), 2)}%')  
+                        st.image(img)
             else:
                 st.write("Asegúrate de haber subido correctamente la imagen.")