code improvement #2

README.md

@@ -63,4 +63,6 @@ streamlit run image_classification_streamlit.py
 uvicorn image_classification_fastapi:app
 ```
 ## P.S. Идеи по улучшению качества кода
-1) Контекстный менеджер для работы с изображением with. Использование его гарантирует, что ресурсы будут корректно закрыты после использования. Таким образом, код автоматически закроет файл изображения после завершения работы с ним. (файл: image_classification.py)
+1) Контекстный менеджер для работы с изображением with. Использование его гарантирует, что ресурсы будут корректно закрыты после использования. Таким образом, код автоматически закроет файл изображения после завершения работы с ним. (файл: image_classification.py)
+
+2) Использованы строки f-формата для форматирования строк с переменными, что делает код более ясным и легко читаемым. Добавлены комментарии для каждого этапа. (файл: image_classification.py)

image_classification.py

@@ -4,6 +4,7 @@
 from PIL import Image
 from transformers import ViTForImageClassification, ViTImageProcessor
 
+# URL изображения
 url = (
     "https://img.freepik.com/premium-photo/"
     "a-house-on-a-mountain-with-a-mountain-"
@@ -12,13 +13,20 @@
 # Используем контекстный менеджер для открытия изображения
 with Image.open(requests.get(url, stream=True).raw) as image:
 
+    # Инициализация процессора и модели
     processor = (ViTImageProcessor
                 .from_pretrained("google/vit-base-patch16-224"))
     model = (ViTForImageClassification
             .from_pretrained("google/vit-base-patch16-224"))
 
+    # Подготовка изображения для модели
     inputs = processor(images=image, return_tensors="pt")
+
+    # Получение предсказания от модели
     outputs = model(**inputs)
     logits = outputs.logits
     predicted_class_idx = logits.argmax(-1).item()
-    print("Predicted class:", model.config.id2label[predicted_class_idx])
+
+    # Вывод предсказанного класса
+    predicted_class = model.config.id2label[predicted_class_idx]
+    print(f"Predicted class: {predicted_class}")