Update src/streamlit_app.py

src/streamlit_app.py

@@ -12,45 +12,60 @@ import torch
 from transformers import CLIPModel, CLIPProcessor
 from huggingface_hub import hf_hub_download, snapshot_download
 import json
+import requests
 
 # Khởi tạo client S3 với thông tin cấu hình từ secrets
 s3 = boto3.client('s3')
 
+
 def get_image_from_s3(bucket_name, img_id):
     try:
         # Trả về URL S3 trực tiếp cho ảnh
-        return f"https://{bucket_name}.s3.amazonaws.com/{img_id}.jpg"
-    except NoCredentialsError:
-        st.error("Credentials not available.")
-        return None
+        img_url = f"https://{bucket_name}.s3.amazonaws.com/{img_id}.jpg"
+        return img_url
     except Exception as e:
-        st.error(f"Error fetching image: {e}")
+        st.error(f"Error constructing image URL: {e}")
         return None
 
 def show_img(img_id, score=None, col=None):
-    # Lấy ảnh từ S3
-    img = get_image_from_s3(bucket_name, img_id)
+    # Lấy URL ảnh từ S3
+    img_url = get_image_from_s3(bucket_name, img_id)
+
+    if img_url:
+        try:
+            # Tải ảnh từ URL S3
+            response = requests.get(img_url)
+            response.raise_for_status()  # Kiểm tra nếu có lỗi trong quá trình tải ảnh
+
+            # Mở ảnh từ dữ liệu trong bộ nhớ
+            img = Image.open(BytesIO(response.content))
 
-    if img:
-        img_style = style[style['id'] == img_id]
+            # Lấy thông tin style từ img_id (giả sử bạn có một dataframe style)
+            img_style = style[style['id'] == img_id]
         
-        if not img_style.empty:
-            parts = []
-            parts.append(str(img_style['gender'].values[0]))
-            parts.append(str(img_style['masterCategory'].values[0]))
-            parts.append(str(img_style['subCategory'].values[0]))
-            parts.append(str(img_style['articleType'].values[0]))
-            parts.append(str(img_style['baseColour'].values[0]))
-            parts.append(str(img_style['year'].values[0]))
-            parts.append(str(img_style['usage'].values[0]))
-            parts.append(str(img_style['productDisplayName'].values[0]))
-
-            text = '- '.join(parts)
-            if score: text += f'\n Score: {score}'
-
-            # Hiển thị ảnh trong cột
-            if col:
-                col.image(img, caption=text, use_container_width=True)
+            if not img_style.empty:
+                parts = []
+                parts.append(str(img_style['gender'].values[0]))
+                parts.append(str(img_style['masterCategory'].values[0]))
+                parts.append(str(img_style['subCategory'].values[0]))
+                parts.append(str(img_style['articleType'].values[0]))
+                parts.append(str(img_style['baseColour'].values[0]))
+                parts.append(str(img_style['year'].values[0]))
+                parts.append(str(img_style['usage'].values[0]))
+                parts.append(str(img_style['productDisplayName'].values[0]))
+
+                text = '- '.join(parts)
+                if score:
+                    text += f'\n Score: {score}'
+
+                # Hiển thị ảnh trong cột
+                if col:
+                    col.image(img, caption=text, use_container_width=True)
+
+        except requests.exceptions.RequestException as e:
+            st.error(f"Error fetching image: {e}")
+        except Exception as e:
+            st.error(f"Error processing image: {e}")
 
 def search_faiss(model, processor, index, id_map, prompt, top_k=5, device='cpu'):
     inputs = processor(text=[prompt], return_tensors='pt', padding=True).to(device)