Spaces:
Runtime error
Runtime error
| 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, | |
| "fuentes": [ | |
| {"titulo": "Analysis of Classification by Supervised and Unsupervised Learning", | |
| "url": "https://www.computer.org/csdl/proceedings-article/iccima/2007/30500280/12OmNzxyiHV"}, | |
| {"titulo": "Implementation of Interval Arithmetic Algorithms on FPGAs", | |
| "url": "https://dl.acm.org/doi/10.1109/ICCIMA.2007.237"}, | |
| {"titulo": "Transformers", | |
| "url": "https://huggingface.co/docs/transformers/v4.32.1/en/index"}, | |
| {"titulo": "Modelo Google/ViT", | |
| "url": "https://huggingface.co/google/vit-base-patch16-224"}, | |
| {"titulo": "ImageNet DataSet", | |
| "url": "https://www.image-net.org/download.php"}, | |
| {"titulo": "ImageNet clases", | |
| "url": "https://deeplearning.cms.waikato.ac.nz/user-guide/class-maps/IMAGENET/"}, | |
| {"titulo": "PIL", | |
| "url": "https://pypi.org/project/Pillow/"}, | |
| {"titulo": "requests", | |
| "url": "https://pypi.org/project/requests/"}] | |
| } | |
| 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) | |
| self.about() | |
| def about(self): | |
| self.builder().sidebar.markdown(unsafe_allow_html=False, | |
| help=None, | |
| body=""" | |
| ## Clasificación de imágenes | |
| La clasificación de imágenes, es una rama esencial de la visión artificial, se refiere a la capacidad de las computadoras para identificar y categorizar objetos en imágenes visuales. | |
| Consiste en enseñar a una computadora a identificar la categoría general de una fotografía, como "perro" o "coche", en lugar de analizar detalles específicos o ubicar objetos. | |
| ## Recursos | |
| """) | |
| for fuente in self.get_global('fuentes'): | |
| self.builder().sidebar.markdown( | |
| unsafe_allow_html=False, | |
| help=None, | |
| body=f""" | |
| * **{fuente.get('titulo')}** - {fuente.get('url')} | |
| """ | |
| ) | |
| self.builder().sidebar.markdown( | |
| unsafe_allow_html=False, | |
| help=None, | |
| body=""" | |
| ###### Es **importante** mencionar que esta **compilación** se encuentra en proceso de **construcción**. | |
| *Si deseas **participar**, eres **bienvenido** de aportar en el repositorio oficial:* | |
| https://github.com/coder160/cuadernos/ | |
| """) | |
| def obtener_bytes(self, archivo): | |
| self.set_global(key='img_src', | |
| value=archivo) | |
| 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='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**: | |
| Elija cualquiera de las dos opciones para cargar su imagen: | |
| * **Desde su 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. **Clasificar / Predecir**: | |
| 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.container() | |
| imagen_base.markdown(unsafe_allow_html=False, | |
| help=None, | |
| body=""" | |
| **Cargue su Imagen Base**: | |
| """) | |
| archivo_expander = imagen_base.expander(expanded=False, | |
| label="Desde su Galería") | |
| _archivo = archivo_expander.file_uploader(label="Galería", | |
| on_change=None, | |
| accept_multiple_files=False, | |
| label_visibility="visible") | |
| if (archivo_expander.button(label="Cargar Archivo", type="secondary", use_container_width=True, | |
| help="Suba un archivo.") and _archivo is not None): | |
| self.obtener_bytes(_archivo) | |
| camara_expander = imagen_base.expander(expanded=False, | |
| label="Desde su Cámara") | |
| _captura = camara_expander.camera_input(label="Cámara", | |
| on_change=None, | |
| 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 Avanzadas") | |
| 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): | |
| resultados = placeholder.container() | |
| if self.get_global('img_src', None) is not None: | |
| resultados.image( | |
| image=self.get_global('img_src').getvalue(), | |
| caption="Su resultado", | |
| use_column_width="auto", | |
| channels="RGB", | |
| output_format="auto" | |
| ) | |
| if self.get_global('predicciones', None) is not None: | |
| resultados.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( | |
| [0.3, 0.7], gap="small") | |
| self.expander_instrucciones(columna_inputs) | |
| self.expander_imagen_base(columna_inputs) | |
| self.expander_configuraciones(columna_inputs) | |
| if columna_inputs.button(label="Clasificar / Predecir", help="Realizar Predicciones", | |
| type="secondary", use_container_width=True): | |
| self.procesar_imagen() | |
| self.resultados(columna_outputs) | |
| def build(self): | |
| columna_principal = self.get_body().columns(1, gap="small")[0] | |
| self.agregar_card_base(columna_principal) | |
| if __name__ == "__main__": | |
| Home(init_page=True).build() | |