Update handler.py
Browse files- handler.py +7 -4
handler.py
CHANGED
|
@@ -17,12 +17,15 @@ class EndpointHandler:
|
|
| 17 |
Initialise le handler avec le modèle haywoodsloan/ai-image-detector-deploy
|
| 18 |
et configure Grad-CAM pour les cartes de saillance.
|
| 19 |
"""
|
| 20 |
-
|
|
|
|
|
|
|
|
|
|
| 21 |
|
| 22 |
-
# Charger le modèle et le processeur
|
| 23 |
-
self.model = AutoModelForImageClassification.from_pretrained(
|
| 24 |
self.model.eval()
|
| 25 |
-
self.processor = AutoImageProcessor.from_pretrained(
|
| 26 |
|
| 27 |
# Configuration de Grad-CAM - Adaptation pour différentes architectures
|
| 28 |
# Le modèle haywoodsloan/ai-image-detector-deploy est généralement basé sur ViT ou CNN
|
|
|
|
| 17 |
Initialise le handler avec le modèle haywoodsloan/ai-image-detector-deploy
|
| 18 |
et configure Grad-CAM pour les cartes de saillance.
|
| 19 |
"""
|
| 20 |
+
# Forcer l'utilisation du modèle Hugging Face Hub même lors du déploiement
|
| 21 |
+
model_name = "haywoodsloan/ai-image-detector-deploy"
|
| 22 |
+
print(f"Initialisation du handler avec le modèle : {model_name}")
|
| 23 |
+
print(f"Répertoire de déploiement : {model_dir}")
|
| 24 |
|
| 25 |
+
# Charger le modèle et le processeur depuis Hugging Face Hub
|
| 26 |
+
self.model = AutoModelForImageClassification.from_pretrained(model_name)
|
| 27 |
self.model.eval()
|
| 28 |
+
self.processor = AutoImageProcessor.from_pretrained(model_name)
|
| 29 |
|
| 30 |
# Configuration de Grad-CAM - Adaptation pour différentes architectures
|
| 31 |
# Le modèle haywoodsloan/ai-image-detector-deploy est généralement basé sur ViT ou CNN
|