Update pages/Entorno de Ejecución.py

pages/Entorno de Ejecución.py

@@ -12,6 +12,9 @@ st.set_page_config(
     }
 )
 
+with st.sidebar:
+    st.write("[email protected]")
+
 st.title("Entorno de ejecución")
 cnn, autoencoder, svm, iforest, gan, docc = st.tabs(["CNN", "Autoencoder", "OC-SVM", 'iForest', 'GAN', 'DOCC'])
 
@@ -20,7 +23,7 @@ with cnn:
     col_a, col_b, = st.columns(2)
     
     with col_a:
-        st.title("Redes neuronales convolucionales clásicas")
+        st.title("Redes neuronales convolucionales")
         st.caption("Los modelos no están en orden de eficacia, sino en orden de creación.")
         
         # Get the absolute path to the current directory
@@ -53,14 +56,6 @@ with cnn:
         model_choice = st.multiselect("Seleccione uno o varios modelos de clasificación", model_dict.keys())
     
         selected_models = []
-        
-        def ensemble_model(model_list, img):
-            y_gorrito = np.zeros((1, 1))
-            for model in model_list:
-                instance_model = load_model(model_dict[model])
-                y_gorrito += float(instance_model.predict(np.expand_dims(img/255., 0)))
-                #clear_session()
-            return y_gorrito/len(model_list)
     
         @tf.function
         def predict(model_list, img):
@@ -93,7 +88,7 @@ with cnn:
                         y_gorrito = predict(ultraptctrn, img)
                 else:
                     with st.spinner('Cargando predicción...'):
-                        selected_models = [load_model(model_dict[model]) for model in model_choice]
+                        selected_models = [load_model(model_dict[model]) for model in model_choice if model not in selected_models]
                         y_gorrito = predict(selected_models, img)
         
                 if y_gorrito >= threshold: