Spaces:
Runtime error
Runtime error
File size: 6,665 Bytes
9cc66e2 d5f461a 9cc66e2 d5f461a 9cc66e2 d5f461a 9cc66e2 d5f461a 9cc66e2 d5f461a 9cc66e2 d5f461a 9cc66e2 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 |
from core.controllers.pages_controller import Page
from core.controllers.main_process import Generador
class Home(Page):
variables_globales = {
"img_bytes": None,
"img_src": None,
"settings": {
"model": str("google/vit-base-patch16-224"),
"tokenizer": str("google/vit-base-patch16-224"),
},
"img_output": None,
"predicciones": None,
}
archivos_css = ["main",
"home"]
def __init__(self, title=str("Bienvenido"), icon=str("🖼️"), init_page=False):
super().__init__()
if init_page:
self.new_page(title=title,
icon=icon)
self.init_globals(globals=self.variables_globales)
for archivo in self.archivos_css:
self.cargar_css(archivo_css=archivo)
def obtener_bytes(self, archivo):
self.set_global(key='img_src',
value=archivo)
self.set_global(key='img_bytes',
value=archivo.getvalue())
def actualizar_modelo_tokenizer(self, modelo, tokenizer):
self.set_global(key='settings',
value={'model': modelo,
'tokenizer': tokenizer})
def procesar_imagen(self):
proceso = Generador(configuraciones=self.get_global('settings'))
proceso.generar_prediccion(imagen_bytes=self.imgg.open(
self.get_global('img_src')).convert("RGB"))
self.set_global(key='img_output', value=self.get_global('img_bytes'))
self.set_global(key='predicciones', value=proceso.prediccion)
def expander_instrucciones(self, placeholder):
instrucciones = placeholder.expander(expanded=False,
label="Instrucciones")
instrucciones.markdown(unsafe_allow_html=False,
help=None,
body="""
1. **Cargue su Imagen Base**:
De click o toque con el dedo en la opción *"Imagen Base"* para cargar su imagen.
Tendrá dos opciones para cargar su imagen:
* **Desde Galería**: cargue la imagen desde la galería de su teléfono o computadora.
* **Desde su cámara**: cargue la imagen directamente desde la cámara de su teléfono o computadora.
2. **Clasificación / Predicciones**:
Realice la **clasificación de su imagen** con base a las predicciones realizadas por el **modelo** pre-entrenado seleccionado.
A partir del dataset con el que fue pre-entrenado el modelo, tratará de predecir cuales son los objetos en la imagen cargada.
* **Configuraciones Avanzadas**:
*Elija un modelo y procesador de la lista disponible, o elija uno directamente de la base de modelos disponible en HuggingFace.*
""")
def expander_imagen_base(self, placeholder):
imagen_base = placeholder.expander(expanded=False,
label="Imagen base")
imagen_base.markdown(unsafe_allow_html=False,
help=None,
body="""
**Cargue su Imagen Base**:
""")
archivo_expander = imagen_base.expander(expanded=False,
label="Desde galería")
_archivo = archivo_expander.file_uploader(label="Galería",
accept_multiple_files=False,
label_visibility="visible")
if (archivo_expander.button(label="Cargar Archivo", help="Suba un archivo.",
type="secondary", use_container_width=True) and _archivo is not None):
self.obtener_bytes(_archivo)
camara_expander = imagen_base.expander(
expanded=False, label="Desde cámara")
_captura = camara_expander.camera_input(
label="Cámara", label_visibility="visible")
if (camara_expander.button(label="Cargar Captura", type="secondary", use_container_width=True,
help="Tome una fotografía.") and _captura is not None):
self.obtener_bytes(_captura)
def expander_configuraciones(self, placeholder):
configuraciones = placeholder.expander(
expanded=False, label="Configuraciones")
modelo = configuraciones.text_input(
label="MODELO", on_change=None, label_visibility="visible",
value=self.get_global('settings').get('model'))
tokenizer = configuraciones.text_input(
label="TOKENIZER", on_change=None, label_visibility="visible",
value=self.get_global('settings').get('tokenizer'))
if configuraciones.button(label="Configurar", type="secondary", use_container_width=True,
help="Actualice configuraciones"):
self.actualizar_modelo_tokenizer(modelo, tokenizer)
def resultados(self, placeholder):
card_teoria = placeholder.container()
if self.get_global('img_output', None) is not None:
card_teoria.image(
image=self.get_global('img_output'),
caption="Su resultado",
use_column_width="auto",
channels="RGB",
output_format="auto"
)
if self.get_global('predicciones', None) is not None:
card_teoria.success(body=self.get_global(
'predicciones'), icon=None)
def agregar_card_base(self, columna):
card_principal = columna.container()
columna_inputs, columna_outputs = card_principal.columns(
2, gap="small")
self.expander_instrucciones(columna_inputs)
self.expander_imagen_base(columna_inputs)
self.expander_configuraciones(columna_inputs)
if columna_inputs.button(label="Clasificar", help="Realizar Predicciones",
type="secondary", use_container_width=True):
self.procesar_imagen()
self.resultados(columna_outputs)
def build(self):
# secciones
columna_principal = self.get_body().columns(1, gap="small")[0]
self.agregar_card_base(columna_principal)
if __name__ == "__main__":
Home(init_page=True).build()
|