ss

src/streamlit_app.py

@@ -13,7 +13,7 @@ import seaborn as sns
 from huggingface_hub import HfApi
 import os
 
-# 📌 Percorso della cartella dove è salvato il dataset
+# 📌 Percorso della cartella dove sarà salvato il dataset
 DATA_DIR = "/app/src"
 
 # 📌 Autenticazione Hugging Face dal Secret nello Space
@@ -30,9 +30,9 @@ if HF_TOKEN:
 else:
     st.warning("⚠️ Nessun token API trovato! Verifica il Secret nello Space.")
 
-# 📌 Carica solo 300 immagini da ImageNet
-st.write("🔄 Caricamento di 300 immagini da ImageNet...")
-imagenet = tfds.load("imagenet2012", split="train", as_supervised=True, download=False, data_dir=DATA_DIR)
+# 📌 Carica solo 300 immagini da `imagenet_resized/64x64`
+st.write("🔄 Caricamento di 300 immagini da `imagenet_resized/64x64`...")
+imagenet = tfds.load("imagenet_resized/64x64", split="train", as_supervised=True, download=True, data_dir=DATA_DIR)
 
 image_list = []
 label_list = []
@@ -45,7 +45,7 @@ for i, (image, label) in enumerate(imagenet.take(300)):  # Prende solo 300 immag
 X_train = np.array(image_list)
 y_train = np.array(label_list)
 
-st.write(f"✅ Scaricate e preprocessate {len(X_train)} immagini da ImageNet!")
+st.write(f"✅ Scaricate e preprocessate {len(X_train)} immagini da `imagenet_resized/64x64`!")
 
 # 📌 Caricamento del modello
 if os.path.exists("Silva.h5"):
@@ -99,7 +99,7 @@ if os.path.exists("Silva.h5"):
             mime="application/octet-stream"
         )
 
-# Bottone per caricare il modello su Hugging Face 2
+# 📌 Bottone per caricare il modello su Hugging Face
 def upload_model():
     api.upload_file(
         path_or_fileobj="Silva.h5",