Spaces:
Sleeping
Sleeping
| # docker build -t reward-simulator .docker run -p 7860:7860 -v $(pwd)/data:/app/data reward-simulator | |
| # **Flask** : micro-framework pour créer des applications web en Python. | |
| # **request** : pour accéder aux données envoyées par le client (par exemple, des fichiers ou des données de formulaire). | |
| # **jsonify** : pour retourner des réponses JSON bien formatées. | |
| # **render_template** : pour générer des pages HTML à partir de fichiers de template (généralement `.html`). | |
| # **send_from_directory** : pour envoyer des fichiers (comme des images ou des PDF) depuis un répertoire spécifique. | |
| ### ```python | |
| from PIL import Image | |
| from flask import Flask, request, jsonify, render_template, send_from_directory | |
| from PIL import Image | |
| import numpy as np | |
| import io | |
| import torch | |
| from request import get_ft # get_ft(model, image) doit retourner un np.ndarray | |
| app = Flask(__name__) | |
| # Global model | |
| model = None | |
| def load_model(): | |
| """Load DINOv2 model""" | |
| torch.hub.set_dir("/tmp/torch_cache") # Dossier temporaire autorisé | |
| model = torch.hub.load('facebookresearch/dinov2', 'dinov2_vits14') | |
| model.eval() | |
| model.to(torch.device('cuda' if torch.cuda.is_available() else 'cpu')) | |
| return model | |
| def init_model(): | |
| global model | |
| model = load_model() | |
| def home(): | |
| return render_template('index.html') # Si tu as un front-end intégré | |
| def serve_static(filename): | |
| return send_from_directory('static', filename) | |
| def process_images(): | |
| if 'image1' not in request.files or 'image2' not in request.files: | |
| return jsonify({'error': 'Two images must be provided (image1 and image2)'}), 400 | |
| try: | |
| image1 = Image.open(io.BytesIO(request.files['image1'].read())).convert('RGB') | |
| image2 = Image.open(io.BytesIO(request.files['image2'].read())).convert('RGB') | |
| features1 = get_ft(model, image1) | |
| features2 = get_ft(model, image2) | |
| distance = float(np.linalg.norm(features1 - features2)) | |
| return jsonify({'distance': distance}) | |
| except Exception as e: | |
| print(f"Erreur back-end: {e}") | |
| return jsonify({'error': str(e)}), 500 | |
| if __name__ == '__main__': | |
| init_model() | |
| app.run(host='0.0.0.0', port=7860) | |