Update app.py

app.py

@@ -40,8 +40,10 @@ if metric == 'Евклидово расстояние':
     index = faiss.IndexFlatL2(dimension)
     index.add(embeddings)
 
-    button = st.button('Вывести результаты')
     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:
             query_embedding = model.encode(query).astype(np.float32)
@@ -49,9 +51,6 @@ 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:')
@@ -78,7 +77,7 @@ 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:
@@ -87,9 +86,6 @@ 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:')