init

app.py

@@ -0,0 +1,39 @@
+import gradio as gr
+from transformers import pipeline
+
+translator = pipeline("translation_en_to_ru", model="Helsinki-NLP/opus-mt-en-ru")
+image_classifier = pipeline("image-classification", model="microsoft/resnet-50")
+
+# 3. Функция для перевода текста
+def translate_to_russian(text):
+    try:
+        translation = translator(text)
+        return translation[0]['translation_text']
+    except Exception as e:
+        print(f"Ошибка перевода: {e}")
+        return text
+
+def classify_image(image):
+    results = image_classifier(image)
+    output = {}
+    for result in results:
+        output[translate_to_russian(result['label'])] = result['score']
+    return output
+    
+with gr.Blocks() as demo:
+    gr.Markdown("Домашнее задание для курса ML2")
+    with gr.Tab("Классификация изображений"):
+        with gr.Row():
+            img_input = gr.Image(type="pil", label="Загрузите изображение")
+            label_output = gr.Label(label="Результаты классификации")
+        btn_classify = gr.Button("Классифицировать")
+        btn_classify.click(fn=classify_image, inputs=img_input, outputs=label_output)
+    with gr.Tab("Перевод текста en-ru"):
+        with gr.Row():
+            text_input = gr.Textbox(label="EN text", placeholder="Напишите сюда английский текст")
+            text_output = gr.Textbox(label="RU text", placeholder="Переведённый текст")
+        btn_translate = gr.Button("Перевести")
+        btn_translate.click(fn=translate_to_russian, inputs=text_input, outputs=text_output)
+
+if __name__ == "__main__":
+    demo.launch()