Spaces:
Sleeping
Sleeping
mostafasmart
commited on
Commit
·
e9cb5a6
1
Parent(s):
a1fcd2c
mostafa add notifction API6
Browse files
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 |
-
|
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.
|
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()
|
|