app.py

import gradio as gr
from diffusers import DDPMPipeline
import torch

# Cargar el modelo DDPM preentrenado
ddpm = DDPMPipeline.from_pretrained("google/ddpm-cat-256", use_safetensors=True).to("cuda")

def generate_cat_image(num_inference_steps):
    # Generar una imagen de gato
    with torch.no_grad():
        image = ddpm(num_inference_steps=num_inference_steps)["sample"][0]
    
    # Convertir la imagen de tensor a PIL para mostrarla en Gradio
    image = image.permute(1, 2, 0).cpu().numpy()
    
    return image

# Interfaz de Gradio
gr_interface = gr.Interface(fn=generate_cat_image, 
                            inputs=gr.inputs.Slider(minimum=10, maximum=100, step=1, default=50, label="Número de Pasos de Inferencia"), 
                            outputs="image", 
                            title="Generador de Imágenes de Gatos",
                            description="Modelo DDPM para generar imágenes de gatos.")

if __name__ == "__main__":
    gr_interface.launch()