mostafasmart commited on
Commit
e9cb5a6
·
1 Parent(s): a1fcd2c

mostafa add notifction API6

Browse files
Files changed (1) hide show
  1. app.py +10 -13
app.py CHANGED
@@ -1,21 +1,18 @@
1
  import gradio as gr
2
- from PIL import Image
3
  import numpy as np
4
  import requests
5
  from io import BytesIO
6
 
7
- from transformers import AutoFeatureExtractor,AutoModelForImageClassification,pipeline
8
 
9
- model_id = "smartgmin/Entrnal_5class_agumm_last_newV7_model"
10
-
11
-
12
- model2 = AutoModelForImageClassification.from_pretrained(model_id, from_tf=True)
13
-
14
 
 
 
15
  feature_extractor = AutoFeatureExtractor.from_pretrained(model_id)
16
-
17
-
18
- clsss = pipeline('image-classification',model=model2,feature_extractor=feature_extractor)
19
 
20
  def predict(image_url):
21
  try:
@@ -31,6 +28,7 @@ def predict(image_url):
31
  # تحميل الصورة من الرابط
32
  image = Image.open(BytesIO(response.content)).convert("RGB")
33
 
 
34
  yl = clsss(image)
35
  max_item = max(yl, key=lambda x: x['score'])
36
  nn = "{:.2f}".format(max_item['score']) # تنسيق الدقة ليكون مقروءًا بشكل أفضل
@@ -44,10 +42,10 @@ def predict(image_url):
44
  except Exception as e:
45
  return f"حدث خطأ أثناء معالجة الصورة: {e}"
46
 
47
- # إنشاء واجهة Gradio
48
  iface = gr.Interface(
49
  fn=predict,
50
- inputs=gr.inputs.Textbox(lines=2, placeholder="أدخل رابط الصورة هنا...", label="رابط الصورة"),
51
  outputs="text",
52
  title="نموذج ViT لتصنيف الصور",
53
  description="أدخل رابط صورة للحصول على تصنيف باستخدام نموذج ViT المدرب."
@@ -55,4 +53,3 @@ iface = gr.Interface(
55
 
56
  # تشغيل الواجهة
57
  iface.launch()
58
-
 
1
  import gradio as gr
2
+ from PIL import Image, UnidentifiedImageError
3
  import numpy as np
4
  import requests
5
  from io import BytesIO
6
 
7
+ from transformers import AutoFeatureExtractor, AutoModelForImageClassification, pipeline
8
 
9
+ # معرف النموذج الخاص بك على Hugging Face
10
+ model_id = "smartgmin/Entrnal_5class_agumm_last_newV7_model"
 
 
 
11
 
12
+ # تحميل النموذج ومعالج الميزات مرة واحدة عند بدء التطبيق
13
+ model2 = AutoModelForImageClassification.from_pretrained(model_id, from_tf=True)
14
  feature_extractor = AutoFeatureExtractor.from_pretrained(model_id)
15
+ clsss = pipeline('image-classification', model=model2, feature_extractor=feature_extractor)
 
 
16
 
17
  def predict(image_url):
18
  try:
 
28
  # تحميل الصورة من الرابط
29
  image = Image.open(BytesIO(response.content)).convert("RGB")
30
 
31
+ # تمرير الصورة إلى النموذج
32
  yl = clsss(image)
33
  max_item = max(yl, key=lambda x: x['score'])
34
  nn = "{:.2f}".format(max_item['score']) # تنسيق الدقة ليكون مقروءًا بشكل أفضل
 
42
  except Exception as e:
43
  return f"حدث خطأ أثناء معالجة الصورة: {e}"
44
 
45
+ # إنشاء واجهة Gradio باستخدام المكونات الجديدة
46
  iface = gr.Interface(
47
  fn=predict,
48
+ inputs=gr.Textbox(lines=2, placeholder="أدخل رابط الصورة هنا...", label="رابط الصورة"),
49
  outputs="text",
50
  title="نموذج ViT لتصنيف الصور",
51
  description="أدخل رابط صورة للحصول على تصنيف باستخدام نموذج ViT المدرب."
 
53
 
54
  # تشغيل الواجهة
55
  iface.launch()