Update app.py

app.py

@@ -1,7 +1,7 @@
 import gradio as gr
 from feature_combiner import FeatureCombiner
 from pipeline import Pipeline_demo
-# 数据集选择字典
+
 DATASETS = {
     "angiography.CHUAC": "CHUAC dataset",
     "angiography.DCA1": "DCA1 dataset",
@@ -17,14 +17,16 @@ JSON_FILES = {
     "retina":"dataset_curvilinear/retina/retina.json"
 }
 
+############# Setting #############
 is_cpu= True
-pipeline_demo = Pipeline_demo(is_cpu=is_cpu) 
+enable_xformers_memory_efficient_attention = False
+############# Setting #############
+
+pipeline_demo = Pipeline_demo(is_cpu=is_cpu, 
+                              enable_xformers_memory_efficient_attention=enable_xformers_memory_efficient_attention) 
 
 def generate_prompts(dataset):
-    """
-    根据选择的数据集生成prompts。
-    返回semantic map prompt和image prompt。
-    """
+
 
     json_index = dataset.split(".")[0]
     json_file = JSON_FILES[json_index]
@@ -33,20 +35,12 @@ def generate_prompts(dataset):
     return caption_seg, caption_img
 
 def generate_semantic_map(semantic_map_prompt):
-    """
-    根据semantic map prompt生成semantic map。
-    返回semantic map的图像。
-    """
-    # 示例函数体，你需要填充实际的图像生成逻辑
+
     return pipeline_demo.generate_semantic_map(semantic_map_prompt)
 
 
 def generate_image(image_prompt,semantic_map_image):
-    """
-    根据image prompt生成图像。
-    返回生成的图像。
-    """
-    # 示例函数体，你需要填充实际的图像生成逻辑
+
     return pipeline_demo.generate_image(image_prompt, semantic_map_image)
 
 with gr.Blocks() as demo: