edited using flake8

.gitignore

@@ -0,0 +1,162 @@
+### Python template
+# Byte-compiled / optimized / DLL files
+__pycache__/
+*.py[cod]
+*$py.class
+
+# C extensions
+*.so
+
+# Distribution / packaging
+.Python
+build/
+develop-eggs/
+dist/
+downloads/
+eggs/
+.eggs/
+lib/
+lib64/
+parts/
+sdist/
+var/
+wheels/
+share/python-wheels/
+*.egg-info/
+.installed.cfg
+*.egg
+MANIFEST
+
+# PyInstaller
+#  Usually these files are written by a python script from a template
+#  before PyInstaller builds the exe, so as to inject date/other infos into it.
+*.manifest
+*.spec
+
+# Installer logs
+pip-log.txt
+pip-delete-this-directory.txt
+
+# Unit test / coverage reports
+htmlcov/
+.tox/
+.nox/
+.coverage
+.coverage.*
+.cache
+nosetests.xml
+coverage.xml
+*.cover
+*.py,cover
+.hypothesis/
+.pytest_cache/
+cover/
+
+# Translations
+*.mo
+*.pot
+
+# Django stuff:
+*.log
+local_settings.py
+db.sqlite3
+db.sqlite3-journal
+
+# Flask stuff:
+instance/
+.webassets-cache
+
+# Scrapy stuff:
+.scrapy
+
+# Sphinx documentation
+docs/_build/
+
+# PyBuilder
+.pybuilder/
+target/
+
+# Jupyter Notebook
+.ipynb_checkpoints
+
+# IPython
+profile_default/
+ipython_config.py
+
+# pyenv
+#   For a library or package, you might want to ignore these files since the code is
+#   intended to run in multiple environments; otherwise, check them in:
+# .python-version
+
+# pipenv
+#   According to pypa/pipenv#598, it is recommended to include Pipfile.lock in version control.
+#   However, in case of collaboration, if having platform-specific dependencies or dependencies
+#   having no cross-platform support, pipenv may install dependencies that don't work, or not
+#   install all needed dependencies.
+#Pipfile.lock
+
+# poetry
+#   Similar to Pipfile.lock, it is generally recommended to include poetry.lock in version control.
+#   This is especially recommended for binary packages to ensure reproducibility, and is more
+#   commonly ignored for libraries.
+#   https://python-poetry.org/docs/basic-usage/#commit-your-poetrylock-file-to-version-control
+#poetry.lock
+
+# pdm
+#   Similar to Pipfile.lock, it is generally recommended to include pdm.lock in version control.
+#pdm.lock
+#   pdm stores project-wide configurations in .pdm.toml, but it is recommended to not include it
+#   in version control.
+#   https://pdm.fming.dev/#use-with-ide
+.pdm.toml
+
+# PEP 582; used by e.g. github.com/David-OConnor/pyflow and github.com/pdm-project/pdm
+__pypackages__/
+
+# Celery stuff
+celerybeat-schedule
+celerybeat.pid
+
+# SageMath parsed files
+*.sage.py
+
+# Environments
+.env
+.venv
+env/
+venv/
+ENV/
+env.bak/
+venv.bak/
+
+# Spyder project settings
+.spyderproject
+.spyproject
+
+# Rope project settings
+.ropeproject
+
+# mkdocs documentation
+/site
+
+# mypy
+.mypy_cache/
+.dmypy.json
+dmypy.json
+
+# Pyre type checker
+.pyre/
+
+# pytype static type analyzer
+.pytype/
+
+# Cython debug symbols
+cython_debug/
+
+# PyCharm
+#  JetBrains specific template is maintained in a separate JetBrains.gitignore that can
+#  be found at https://github.com/github/gitignore/blob/main/Global/JetBrains.gitignore
+#  and can be added to the global gitignore or merged into this file.  For a more nuclear
+#  option (not recommended) you can uncomment the following to ignore the entire idea folder.
+#.idea/
+

image_classification.py

@@ -1,21 +1,23 @@
-"""Этот модуль подключения готовой модели классификации изображений."""
+"""Использование готовой модели для классификации изображений."""
 
-from transformers import ViTImageProcessor
-from transformers import ViTForImageClassification
-from PIL import Image
 import requests
+from PIL import Image
+from transformers import ViTForImageClassification, ViTImageProcessor
 
-url = 'https://img.freepik.com/premium-photo/a-house-on-a-mountain-with-a-mountain-in-the-background_759095-3394.jpg'
+url = (
+    "https://img.freepik.com/premium-photo/"
+    "a-house-on-a-mountain-with-a-mountain-"
+    "in-the-background_759095-3394.jpg"
+)
 image = Image.open(requests.get(url, stream=True).raw)
 
 processor = (ViTImageProcessor
-             .from_pretrained('google/vit-base-patch16-224'))
+             .from_pretrained("google/vit-base-patch16-224"))
 model = (ViTForImageClassification
-         .from_pretrained('google/vit-base-patch16-224'))
+         .from_pretrained("google/vit-base-patch16-224"))
 
 inputs = processor(images=image, return_tensors="pt")
 outputs = model(**inputs)
 logits = outputs.logits
-# model predicts one of the 1000 ImageNet classes
 predicted_class_idx = logits.argmax(-1).item()
 print("Predicted class:", model.config.id2label[predicted_class_idx])

image_classification_fastapi.py

@@ -1,39 +1,42 @@
-"""Готовая модель классификации изображений с FastAPI."""
+"""Модель классификации изображений с FastAPI."""
 
-from PIL import Image
 import requests
 from fastapi import FastAPI
+from PIL import Image
 from pydantic import BaseModel
-from transformers import ViTImageProcessor
-from transformers import ViTForImageClassification
+from transformers import ViTForImageClassification, ViTImageProcessor
 
 
 class ImageRequest(BaseModel):
-    """Класс запроса картинки."""
+    """Класс запроса для обработки изображения."""
 
     url: str
 
 
 app = FastAPI()
 
 # Процессор для представления изображений в требуемом формате
-
-processor = ViTImageProcessor.from_pretrained('google/vit-base-patch16-224')
+processor = ViTImageProcessor.from_pretrained("google/vit-base-patch16-224")
 
 # Модель для классификации изображений
-
 model = (ViTForImageClassification
-         .from_pretrained('google/vit-base-patch16-224'))
+         .from_pretrained("google/vit-base-patch16-224"))
 
 
 def load_image(url):
-    """Получение изображения."""
+    """Загрузка изображения из указанного URL-адреса
+    с помощью библиотеки requests."""
     img = Image.open(requests.get(url, stream=True).raw)
     return img
 
 
 def image_classification(picture):
-    """Обработка и распознавание изображения."""
+    """Обработка и распознавание изображения.
+
+    Принимает изображение, преобразует его в требуемый формат
+    с помощью процессора, пропускает его через модель,
+    получает вероятности классов и возвращает предсказанный класс.
+    """
     inputs = processor(images=picture, return_tensors="pt")
     outputs = model(**inputs)
     logits = outputs.logits
@@ -43,13 +46,21 @@ def image_classification(picture):
 
 @app.get("/")
 def root():
-    """Маршрут для корневого URL-адреса."""
+    """Маршрут для корневого URL-адреса.
+
+    Возвращает сообщение, указывающее, что это API классификации изображений.
+    """
     return {"message": "Image classification API"}
 
 
 @app.post("/classify-image")
 def classify_image(request: ImageRequest):
-    """Classify an image using a pre-trained ViT model."""
+    """Классифицирует изображение с помощью готовой модели ViT.
+
+    Принимает запрос с URL-адресом изображения, загружает изображение,
+    классифицирует его с помощью готовой модели ViT и возвращает результат.
+    Если изображение не может быть загружено, возвращается сообщение об ошибке.
+    """
     try:
         loaded_image = load_image(request.url)
         result = image_classification(loaded_image)

image_classification_streamlit.py

@@ -1,66 +1,76 @@
-#Классификатор картинок
+"""Приложение Streamlit для классификации изображений."""
 
-from transformers import ViTImageProcessor, ViTForImageClassification
+import requests
 import streamlit as st
 from PIL import Image
-import requests
+from transformers import ViTForImageClassification, ViTImageProcessor
 
 
 @st.cache_resource
-# Загрузка модели для классификации изображений
 def load_model():
-    return ViTForImageClassification.from_pretrained('google/vit-base-patch16-224')
+    """Загрузка модели"""
+    return (ViTForImageClassification
+            .from_pretrained("google/vit-base-patch16-224"))
 
 
 @st.cache_resource
-# Загрузка процессора для представления изображений в требуемом формате
 def load_processor():
-    return ViTImageProcessor.from_pretrained('google/vit-base-patch16-224')
+    """Загрузка процессора для обработки изображений."""
+    return (ViTImageProcessor
+            .from_pretrained("google/vit-base-patch16-224"))
 
 
-# Отображение текстового поля для ввода ссылки на изображение
 def get_image_link():
+    """Ввод URL-адреса с изображением."""
     return st.text_input("Введите ссылку на изображение для распознавания")
 
 
-# Получение изображения и вывод его на экран
 def load_image(url):
+    """Загрузка изображения из указанного URL-адреса
+    с помощью библиотеки requests."""
     img = Image.open(requests.get(url, stream=True).raw)
     st.image(img)
     return img
 
 
-# Обработка и распознавание изображения
 def image_classification(picture):
+    """Обработка и распознавание изображения.
+
+    Принимает изображение, преобразует его в требуемый формат
+    с помощью процессора, пропускает его через модель,
+    получает вероятности классов и возвращает предсказанный класс.
+    """
     inputs = processor(images=picture, return_tensors="pt")
     outputs = model(**inputs)
     logits = outputs.logits
     predicted_class_idx = logits.argmax(-1).item()
     return model.config.id2label[predicted_class_idx]
 
 
-# Вывод результатов на экран
 def show_results(results):
+    """Вывод результатов"""
     st.write(results)
 
 
 processor = load_processor()
 model = load_model()
 
-st.title('Модель для классификации изображений vit-base-patch16-224')
+st.title("Модель для классификации изображений vit-base-patch16-224")
 
 link = get_image_link()
 
-result = st.button('Распознать изображение')
+result = st.button("Распознать изображение")
 
 if result:
     try:
         loaded_image = load_image(link)
-        with st.spinner('Идет обработка... Пожалуйста, подождите...'):
+        with st.spinner("Идет обработка... Пожалуйста, подождите..."):
             result = image_classification(loaded_image)
-        st.markdown(f'Результаты распознавания: :rainbow[{result}]')
+        st.markdown(f"Результаты распознавания: :rainbow[{result}]")
         st.snow()
-    # Обработка исключений, которые приведут к ошибке в случае отсутствия ссылки
-    # или указания ссылки на объект, который не является изображением
     except IOError:
-        st.error('Не удалось найти изображение по указанной ссылке. Попробуйте снова!', icon="😞")
+        st.error(
+            "Не удалось найти изображение по указанной ссылке. "
+            "Попробуйте снова!",
+            icon="😞",
+        )