Update pages/model_w_clustering.py

pages/model_w_clustering.py

@@ -49,7 +49,8 @@ if metric == 'Евклидово расстояние':
 
     index.add(embeddings)
     query = [st.text_area('Введите описание сериала')]
-
+    k = st.slider('Сколько сериалов рекомендовать?',
+                          min_value=1, max_value=10, value=3, step=1)
     button = st.button('Вывести результаты')
     if button:
         if query:
@@ -58,9 +59,6 @@ if metric == 'Евклидово расстояние':
             query_embedding = np.array(
                 query_embedding, dtype=np.float32).reshape(1, -1)
             faiss.normalize_L2(query_embedding)
-
-            k = st.slider('Сколько сериалов рекомендовать?',
-                          min_value=1, max_value=10, value=3, step=1)
             distances, indices = index.search(query_embedding, k)
 
             st.subheader('Похожие сериалы:')
@@ -94,7 +92,7 @@ else:
     index.add(embeddings)
 
     query = [st.text_area('Введите описание сериала')]
-
+    k = st.slider('Сколько сериалов рекомендовать?', min_value=1, max_value=10, value=3, step=1)
     button = st.button('Вывести результаты')
     if button:
         if query:
@@ -103,11 +101,7 @@ else:
             query_embedding = np.array(
                 query_embedding, dtype=np.float32).reshape(1, -1)
             faiss.normalize_L2(query_embedding)
-
-            k = st.slider('Сколько сериалов рекомендовать?',
-                          min_value=1, max_value=10, value=3, step=1)
             distances, indices = index.search(query_embedding, k)
-
             st.subheader('Похожие сериалы:')
             for i in range(k):
                 url = df.loc[indices[0][i]]["Изображение"]