Pytorch V0.1

app.py

@@ -1,15 +1,10 @@
+
 import streamlit as st
 import pandas as pd
 import requests
 import folium
 from streamlit_folium import folium_static
-from transformers import pipeline
-
-import tensorflow as tf
-assert tf.__version__.startswith('2.')
-print("TensorFlow version:", tf.__version__)
 
-# Fonction pour récupérer les données de l'API
 def get_data():
     url = "https://opendata.bordeaux-metropole.fr/api/records/1.0/search/?dataset=met_etablissement_rse&q=&rows=100"
     response = requests.get(url)
@@ -20,7 +15,6 @@ def get_data():
     else:
         return [], 0
 
-# Fonction pour l'onglet "Organisations engagées"
 def display_organisations_engagees():
     st.markdown("## OPEN DATA RSE")
     st.markdown("### Découvrez les organisations engagées RSE de la métropole de Bordeaux")
@@ -38,70 +32,15 @@ def display_organisations_engagees():
         df = df[["Nom", "Commune", "Section NAF", "Effectif", "Action RSE"]]
         st.dataframe(df, width=None, height=None)
 
-# Fonction pour l'onglet "GeoRSE Insights"
-def display_geo_rse_insights():
-    data, _ = get_data()
-    if data:
-        m = folium.Map(location=[44.84474, -0.60711], zoom_start=11)
-        for item in data:
-            point_geo = item.get('point_geo', [])
-            if point_geo:
-                lat, lon = point_geo
-                lat, lon = float(lat), float(lon)
-                if lat and lon:
-                    folium.Marker(
-                        [lat, lon],
-                        popup=f"<b>{item.get('nom_courant_denomination', 'Sans nom')}</b><br>Action RSE: {item.get('action_rse', 'Non spécifié')}",
-                        icon=folium.Icon(color="green", icon="leaf"),
-                    ).add_to(m)
-        folium_static(m)
-
-# Fonction pour la classification des actions RSE
-def classify_rse_actions(descriptions):
-    classifier = pipeline("zero-shot-classification", model="typeform/distilbert-base-uncased-mnli")
-    categories = [
-        "La gouvernance de la structure",
-        "Les droits humains",
-        "Les conditions et relations de travail",
-        "La responsabilité environnementale",
-        "La loyauté des pratiques",
-        "Les questions relatives au consommateur et à la protection du consommateur",
-        "Les communautés et le développement local"
-    ]
-    
-    classified_data = []
-    for description in descriptions:
-        result = classifier(description, categories)
-        top_category = result['labels'][0]
-        classified_data.append(top_category)
-    
-    return classified_data
-
-# Nouvelle fonction pour l'onglet de classification RSE
-def display_rse_categorizer():
-    st.header("Classification des Actions RSE")
-    st.write("Cet outil classe les actions RSE des entreprises selon les critères de la norme ISO 26000.")
-    
-    data, _ = get_data()
-    if data:
-        descriptions = [item['action_rse'] for item in data if 'action_rse' in item]
-        categories = classify_rse_actions(descriptions)
-        for i, category in enumerate(categories):
-            st.write(f"Action RSE: {descriptions[i]}")
-            st.write(f"Catégorie prédite: {category}")
-            st.write("---")
-
-# Main function orchestrating the app UI
 def main():
-    st.sidebar.title("Découvrir")
-    app_mode = st.sidebar.radio("Choisissez l'onglet", ["Organisations engagées", "Localisation", "Type d'actions RSE"])
-
-    if app_mode == "Organisations engagées":
+    st.sidebar.title("Navigation")
+    app_mode = st.sidebar.radio("Choose a page", ["Home", "Organisations Engagées"])
+    
+    if app_mode == "Home":
+        st.header("Welcome to the RSE Data Explorer!")
+        st.markdown("Please select a page on the left.")
+    elif app_mode == "Organisations Engagées":
         display_organisations_engagees()
-    elif app_mode == "Localisation":
-        display_geo_rse_insights()
-    elif app_mode == "Type d'actions RSE":
-        display_rse_categorizer()
 
 if __name__ == "__main__":
     main()

requirements.txt

@@ -3,5 +3,7 @@ pandas
 requests
 folium
 streamlit-folium
-transformers==4.20.1
-tensorflow==2.16.1
+transformers
+torch
+torchvision
+torchaudio