Update app.py

app.py

@@ -59,7 +59,7 @@ def train_callback(
     weight_decay,
     batch_size,
     epochs,
-    freeze_backbone,
+    fine_tune_mode,
     model_tag,
 ):
     try:
@@ -70,7 +70,7 @@ def train_callback(
             weight_decay=float(weight_decay),
             batch_size=int(batch_size),
             epochs=int(epochs),
-            freeze_backbone=bool(freeze_backbone),
+            fine_tune_mode=str(fine_tune_mode),
             model_tag=model_tag,
         )
 
@@ -157,17 +157,17 @@ with gr.Blocks(title="Classification d’images microscopiques") as demo:
         with gr.Tab("1. Explorer le jeu de données"):
             gr.Markdown("## Comprendre le jeu de données avant l’entraînement")
 
-            with gr.Row():
-                load_dataset_btn = gr.Button("Charger les informations du dataset", variant="primary")
+            load_dataset_btn = gr.Button(
+                "Charger les informations du dataset",
+                variant="primary",
+            )
 
-            with gr.Row():
-                dataset_summary = gr.JSON(label="Résumé général du dataset")
+            dataset_summary = gr.JSON(label="Résumé général du dataset")
 
-            with gr.Row():
-                class_distribution = gr.Dataframe(
-                    label="Distribution des images par split et par classe",
-                    interactive=False,
-                )
+            class_distribution = gr.Dataframe(
+                label="Distribution des images par split et par classe",
+                interactive=False,
+            )
 
             gr.Markdown("## Visualisation des images")
 
@@ -189,7 +189,8 @@ with gr.Blocks(title="Classification d’images microscopiques") as demo:
                     step=4,
                     label="Nombre d’images à afficher",
                 )
-                refresh_gallery_btn = gr.Button("Afficher des exemples")
+
+            refresh_gallery_btn = gr.Button("Afficher des exemples")
 
             image_gallery = gr.Gallery(
                 label="Exemples d’images",
@@ -200,52 +201,64 @@ with gr.Blocks(title="Classification d’images microscopiques") as demo:
         with gr.Tab("2. Entraîner un modèle"):
             gr.Markdown("## Entraînement avec ResNet18 pré-entraîné")
             gr.Markdown(
-                "Le modèle utilise un backbone ResNet18 pré-entraîné sur ImageNet. "
-                "Pour limiter le surapprentissage sur un petit dataset, il est recommandé de commencer "
-                "avec le backbone gelé."
+                "Paramètres par défaut recommandés : fine-tuning de la dernière couche convolutionnelle "
+                "du ResNet18, faible taux d’apprentissage, augmentation légère des données."
             )
 
             with gr.Row():
                 with gr.Column():
                     dropout = gr.Slider(
-                        0.0,
-                        0.8,
-                        value=0.5,
+                        minimum=0.0,
+                        maximum=0.8,
+                        value=0.4,
                         step=0.05,
                         label="Dropout",
                     )
+
                     fc_dim = gr.Dropdown(
                         choices=[64, 128, 256, 512],
                         value=256,
                         label="Dimension de la couche cachée",
                     )
+
                     learning_rate = gr.Number(
-                        value=0.0001,
+                        value=0.00001,
                         label="Taux d’apprentissage",
                     )
+
                     weight_decay = gr.Number(
                         value=0.0001,
                         label="Weight decay",
                     )
+
                     batch_size = gr.Dropdown(
                         choices=[8, 16, 32, 64],
                         value=16,
                         label="Taille du batch",
                     )
+
                     epochs = gr.Slider(
-                        1,
-                        50,
-                        value=10,
+                        minimum=1,
+                        maximum=80,
+                        value=30,
                         step=1,
                         label="Nombre d’époques",
                     )
-                    freeze_backbone = gr.Checkbox(
-                        value=True,
-                        label="Geler le backbone ResNet18",
+
+                    fine_tune_mode = gr.Dropdown(
+                        choices=["frozen", "layer4", "full"],
+                        value="layer4",
+                        label="Mode de fine-tuning",
+                        info=(
+                            "frozen = seul le classifieur est entraîné ; "
+                            "layer4 = dernière partie du ResNet18 + classifieur ; "
+                            "full = tout le réseau est ajusté."
+                        ),
                     )
+
                     model_tag = gr.Textbox(
                         label="Nom court du modèle",
-                        placeholder="ex. charbon_resnet18_test",
+                        placeholder="ex. charbon_resnet18_layer4",
                     )
 
                     train_btn = gr.Button("Lancer l’entraînement", variant="primary")
@@ -260,23 +273,20 @@ with gr.Blocks(title="Classification d’images microscopiques") as demo:
 
             gr.Markdown("## Résultats sur le test set")
 
-            with gr.Row():
-                train_report = gr.Dataframe(
-                    label="Rapport de classification",
-                    interactive=False,
-                )
+            train_report = gr.Dataframe(
+                label="Rapport de classification",
+                interactive=False,
+            )
 
-            with gr.Row():
-                train_confusion_matrix = gr.Dataframe(
-                    label="Matrice de confusion",
-                    interactive=False,
-                )
+            train_confusion_matrix = gr.Dataframe(
+                label="Matrice de confusion",
+                interactive=False,
+            )
 
-            with gr.Row():
-                train_confusion_matrix_image = gr.Image(
-                    label="Matrice de confusion - figure",
-                    type="filepath",
-                )
+            train_confusion_matrix_image = gr.Image(
+                label="Matrice de confusion - figure",
+                type="filepath",
+            )
 
         with gr.Tab("3. Tester et analyser un modèle"):
             gr.Markdown("## Sélectionner un modèle sauvegardé")
@@ -288,29 +298,32 @@ with gr.Blocks(title="Classification d’images microscopiques") as demo:
                         value=initial_models[0] if initial_models else None,
                         label="Modèle sauvegardé",
                     )
+
                     refresh_btn = gr.Button("Actualiser la liste des modèles")
                     load_info_btn = gr.Button("Afficher les informations du modèle")
                     model_info = gr.JSON(label="Métadonnées du modèle")
 
                 with gr.Column():
-                    evaluate_btn = gr.Button("Évaluer le modèle sur le test set", variant="primary")
-                    eval_summary = gr.JSON(label="Résumé des métriques")
-                    eval_report = gr.Dataframe(
-                        label="Rapport de classification",
-                        interactive=False,
+                    evaluate_btn = gr.Button(
+                        "Évaluer le modèle sur le test set",
+                        variant="primary",
                     )
+                    eval_summary = gr.JSON(label="Résumé des métriques")
 
-            with gr.Row():
-                eval_confusion_matrix = gr.Dataframe(
-                    label="Matrice de confusion",
-                    interactive=False,
-                )
+            eval_report = gr.Dataframe(
+                label="Rapport de classification",
+                interactive=False,
+            )
 
-            with gr.Row():
-                eval_confusion_matrix_image = gr.Image(
-                    label="Matrice de confusion - figure",
-                    type="filepath",
-                )
+            eval_confusion_matrix = gr.Dataframe(
+                label="Matrice de confusion",
+                interactive=False,
+            )
+
+            eval_confusion_matrix_image = gr.Image(
+                label="Matrice de confusion - figure",
+                type="filepath",
+            )
 
             gr.Markdown("## Prédiction sur une image importée")
 
@@ -318,14 +331,14 @@ with gr.Blocks(title="Classification d’images microscopiques") as demo:
                 with gr.Column():
                     upload_image = gr.Image(type="pil", label="Importer une image")
                     predict_btn = gr.Button("Prédire la classe", variant="primary")
+
                 with gr.Column():
                     predict_text = gr.Textbox(label="Résultat de la prédiction", lines=7)
                     predict_probs = gr.Label(label="Probabilités par classe")
 
             gr.Markdown("## Test sur un échantillon aléatoire du test set")
 
-            with gr.Row():
-                random_test_btn = gr.Button("Tester un échantillon aléatoire")
+            random_test_btn = gr.Button("Tester un échantillon aléatoire")
 
             with gr.Row():
                 random_sample_image = gr.Image(type="pil", label="Image test aléatoire")
@@ -353,7 +366,7 @@ with gr.Blocks(title="Classification d’images microscopiques") as demo:
             weight_decay,
             batch_size,
             epochs,
-            freeze_backbone,
+            fine_tune_mode,
             model_tag,
         ],
         outputs=[
@@ -398,7 +411,7 @@ with gr.Blocks(title="Classification d’images microscopiques") as demo:
 
     random_test_btn.click(
         fn=test_random_sample_callback,
-        inputs=[model_selector],
+        inputs=model_selector,
         outputs=[random_sample_image, random_sample_text, random_sample_probs],
     )