Upload 8 files

Browse files

Files changed (8) hide show

Dockerfile +26 -0
app (1).py +144 -0
config.json +12 -0
config.py +14 -0
model.py +22 -0
model.safetensors +3 -0
requirements.txt +6 -0
static/background.png +0 -0

Dockerfile ADDED Viewed

	@@ -0,0 +1,26 @@

+FROM python:3.9
+# Crear un usuario y establecer el directorio de trabajo
+RUN useradd -m -u 1000 user
+USER user
+ENV PATH="/home/user/.local/bin:$PATH"
+WORKDIR /app
+# Limpiar y crear directorio apt/lists/partial
+USER root
+RUN rm -rf /var/lib/apt/lists/partial && mkdir -p /var/lib/apt/lists/partial
+# Instalar dependencias del sistema
+RUN apt-get update && apt-get install -y \
+    libgl1-mesa-glx \
+    && rm -rf /var/lib/apt/lists/*
+# Instalar las dependencias de Python
+COPY --chown=user ./requirements.txt requirements.txt
+RUN pip install --no-cache-dir --upgrade -r requirements.txt
+# Copiar el resto de los archivos de la aplicación
+COPY --chown=user . /app
+# Comando para iniciar la aplicación
+CMD ["uvicorn", "app:app", "--host", "0.0.0.0", "--port", "7860"]

app (1).py ADDED Viewed

	@@ -0,0 +1,144 @@

+from fastapi import FastAPI, UploadFile, File, Request
+from fastapi.responses import JSONResponse
+from fastapi.responses import HTMLResponse
+from pydantic import BaseModel
+from fastapi.staticfiles import StaticFiles
+from fastapi.templating import Jinja2Templates
+import torch
+import cv2
+from PIL import Image
+from model import Resnet50FER
+from config import Resnet50Config
+# Crear una instancia de FastAPI
+app = FastAPI()
+# Directorio donde se encuentran los archivos estáticos (como imágenes)
+STATIC_DIR = "static"
+# Montar la carpeta 'static' para servir archivos estáticos como imágenes
+app.mount("/static", StaticFiles(directory="static"), name="static")
+# Configurar los templates usando Jinja2
+templates = Jinja2Templates(directory="templates")
+# Definir la configuración de tu modelo
+config = Resnet50Config(
+    num_classes=10  # Ejemplo: número de clases para tu tarea específica
+)
+# Definir el contenido HTML directamente en Python
+html_content = """
+<!DOCTYPE html>
+<html lang="en">
+<head>
+    <meta charset="UTF-8">
+    <meta name="viewport" content="width=device-width, initial-scale=1.0">
+    <title>FastAPI con Imagen de Fondo</title>
+    <style>
+        body {
+            background-image: url('static/background.png'); /* Ruta a tu imagen de fondo en la carpeta 'static' */
+            background-size: cover;
+            background-repeat: no-repeat;
+            background-attachment: fixed;
+            font-family: Arial, sans-serif;
+            color: #333;
+            margin: 0;
+            padding: 0;
+        }
+        .container {
+            max-width: 800px;
+            margin: 0 auto;
+            padding: 20px;
+            background-color: rgba(255, 255, 255, 0.8); /* Fondo semi-transparente para mejor legibilidad */
+            border-radius: 10px;
+            box-shadow: 0 0 10px rgba(0, 0, 0, 0.2);
+        }
+    </style>
+</head>
+<body>
+    <div class="container">
+        <h1>FastAPI con Imagen de Fondo</h1>
+        <p>Ejemplo de una aplicación FastAPI con una imagen de fondo.</p>
+        <form id="uploadForm" action="/upload/" method="post" enctype="multipart/form-data" onsubmit="uploadImage(event)">
+            <input type="file" name="image" accept="image/*" required>
+            <button type="submit">Subir Imagen</button>
+        </form>
+    </div>
+    <script>
+        async function uploadImage(event) {
+            event.preventDefault();  // Evita el envío tradicional del formulario
+            const formData = new FormData();
+            formData.append('image', document.querySelector('input[name="image"]').files[0]);
+            try {
+                const response = await fetch('/recognize-face/', {
+                    method: 'POST',
+                    body: formData
+                });
+                if (!response.ok) {
+                    throw new Error('Error al enviar la imagen');
+                }
+                const result = await response.json();
+                console.log(result);
+            } catch (error) {
+                console.error('Error:', error);
+            }
+        }
+     </script>
+</body>
+</html>
+"""
+# Ruta para la página principal con imagen de fondo configurada desde Python
+@app.get("/", response_class=HTMLResponse)
+async def homepage(request: Request):
+    return HTMLResponse(content=html_content)
+# Crear una instancia de tu modelo
+model = Resnet50FER(config)
+model.eval()  # Asegúrate de que el modelo esté en modo evaluación
+# Clase para los datos de entrada esperados en la solicitud
+class Item(BaseModel):
+    # Asumiendo que tu modelo espera imágenes como entrada
+    image: UploadFile  # Usamos UploadFile para manejar la carga de archivos
+# Endpoint para subir la imagen
+@app.post("/upload/")
+async def upload_image(image: UploadFile = File(...)):
+    return {"filename": image.filename}
+# Endpoint para hacer predicciones
+@app.post("/predict/")
+def predict(item: Item):
+    # Procesar la imagen recibida
+    image_bytes = item.image.file.read()
+    # Aquí deberías procesar la imagen y convertirla al formato adecuado para tu modelo
+    # Por ahora, simplemente mostramos un mensaje de ejemplo
+    return {"message": "Endpoint para predicciones con Resnet50FER"}
+# Endpoint para reconocimiento facial
+@app.post("/recognize-face/")
+async def recognize_face(image: UploadFile = File(...)):
+    try:
+        # Leer la imagen
+        contents = await image.read()
+        img = Image.open(BytesIO(contents))
+        # Aquí deberías realizar el reconocimiento facial usando tu modelo entrenado
+        # Ejemplo básico: detectar rostros con OpenCV
+        face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
+        gray = cv2.cvtColor(np.array(img), cv2.COLOR_BGR2GRAY)
+        faces = face_cascade.detectMultiScale(gray, 1.3, 5)
+        # Procesar resultados y devolver respuesta
+        detected_faces = [{"x": int(x), "y": int(y), "w": int(w), "h": int(h)} for (x, y, w, h) in faces]
+        return JSONResponse(content={"detected_faces": detected_faces})
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=str(e))
+# Ejecutar la aplicación con Uvicorn
+if __name__ == "__main__":
+    import uvicorn
+    uvicorn.run(app, host="0.0.0.0", port=8000)

config.json ADDED Viewed

	@@ -0,0 +1,12 @@

+{
+  "architectures": [
+    "Resnet50FER"
+  ],
+  "auto_map": {
+    "AutoConfig": "config.Resnet50Config",
+    "AutoModelForImageClassification": "model.Resnet50FER"
+  },
+  "num_classes": 6,
+  "torch_dtype": "float32",
+  "transformers_version": "4.37.2"
+}

config.py ADDED Viewed

	@@ -0,0 +1,14 @@

+from transformers import PretrainedConfig
+class Resnet50Config(PretrainedConfig):
+    # since we have an image classification task
+    # we need to put a model type that is close to our task
+    # don't worry this will not affect our model
+    #model_type = "MobileNetV1"
+    def __init__(
+        self,
+        num_classes=6,
+        **kwargs):
+        self.num_classes = num_classes
+        super().__init__(**kwargs)

model.py ADDED Viewed

	@@ -0,0 +1,22 @@

+import torch
+import torch.nn as nn
+import torchvision.models as models
+from config import Resnet50Config
+from transformers import PreTrainedModel
+class Resnet50FER(PreTrainedModel):
+    config_class = Resnet50Config
+    def __init__(self, config):
+        super().__init__(config)
+        # Load the ResNet50 model without the final fully connected layer
+        self.resnet = models.resnet50(pretrained=False)
+        num_ftrs = self.resnet.fc.in_features
+        # Replace the fully connected layer with a new one for your specific classification task
+        self.resnet.fc = nn.Linear(num_ftrs, config.num_classes)
+    def forward(self, x):
+        # Forward pass through the ResNet50 model
+        x = self.resnet(x)
+        return x

model.safetensors ADDED Viewed

	@@ -0,0 +1,3 @@

+version https://git-lfs.github.com/spec/v1
+oid sha256:0eee7468c7e125b5499bb7d42c79b8261da5cd6aa07e9dd571e761f6edba8bbc
+size 94324992

requirements.txt ADDED Viewed

	@@ -0,0 +1,6 @@

+fastapi
+uvicorn[standard]
+torch
+torchvision
+transformers
+opencv-python

static/background.png ADDED Viewed