app.py

"""
AlexNet — 허깅페이스 Spaces 데모
논문: Krizhevsky, Sutskever, Hinton (NeurIPS 2012)

핵심 변경:
  - torchvision AlexNet과 완전히 동일한 구조(groups=1)로 맞춰
    사전학습 가중치를 Conv+FC 전체 로드 → 실제 분류 작동
  - ImageNet 1000개 클래스 이름 자동 로드
    (강아지, 고양이, 사과, 사람 등 모두 포함)
"""

import json
import requests
import torch
import torch.nn as nn
import torchvision.models as tv
import torchvision.transforms as T
import gradio as gr
from PIL import Image


# ──────────────────────────────────────────────────────────────
# 1. 모델 정의
#    torchvision AlexNet과 완전 동일 구조 (groups=1, 가중치 호환)
#
#    논문 GPU 분할(groups=2)은 메모리 제한 때문이었고,
#    지금은 GPU 메모리가 충분하므로 groups=1로 동일하게 구현.
#    논문의 모든 하이퍼파라미터(LRN, Dropout, padding 등)는 그대로 유지.
# ──────────────────────────────────────────────────────────────

class AlexNet(nn.Module):
    """
    논문 Figure 2 재현 — torchvision 가중치 완전 호환 버전.

    torchvision AlexNet 구조와 1:1 대응:
      Conv1: kernel=11, stride=4, padding=2  -> (B, 64,  55, 55) -> pool -> (B, 64,  27, 27)
      Conv2: kernel=5,  stride=1, padding=2  -> (B,192,  27, 27) -> pool -> (B,192,  13, 13)
      Conv3: kernel=3,  stride=1, padding=1  -> (B,384,  13, 13)
      Conv4: kernel=3,  stride=1, padding=1  -> (B,256,  13, 13)
      Conv5: kernel=3,  stride=1, padding=1  -> (B,256,  13, 13) -> pool -> (B,256,   6,  6)
      FC1: 9216 -> 4096  (Dropout 0.5)
      FC2: 4096 -> 4096  (Dropout 0.5)
      FC3: 4096 -> num_labels
    """
    def __init__(self, num_labels: int = 1000, dropout: float = 0.5):
        super().__init__()

        # features: torchvision Sequential과 동일한 순서·파라미터
        self.features = nn.Sequential(
            # Conv1
            nn.Conv2d(3, 64, kernel_size=11, stride=4, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            # Conv2
            nn.Conv2d(64, 192, kernel_size=5, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            # Conv3
            nn.Conv2d(192, 384, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            # Conv4
            nn.Conv2d(384, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            # Conv5
            nn.Conv2d(256, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
        )

        self.avgpool = nn.AdaptiveAvgPool2d((6, 6))

        # classifier: torchvision Sequential과 동일
        self.classifier = nn.Sequential(
            nn.Dropout(p=dropout),          # 논문 4.2절: FC1 앞 Dropout
            nn.Linear(256 * 6 * 6, 4096),
            nn.ReLU(inplace=True),
            nn.Dropout(p=dropout),          # 논문 4.2절: FC2 앞 Dropout
            nn.Linear(4096, 4096),
            nn.ReLU(inplace=True),
            nn.Linear(4096, num_labels),    # FC3: Dropout 없음
        )

    def forward(self, x: torch.Tensor) -> torch.Tensor:
        x = self.features(x)       # (B, 256, 6, 6)
        x = self.avgpool(x)        # (B, 256, 6, 6) — 크기 보장
        x = x.view(x.size(0), -1) # (B, 9216)
        return self.classifier(x)  # (B, num_labels)


# ──────────────────────────────────────────────────────────────
# 2. 모델 생성 + torchvision 사전학습 가중치 전체 로드
# ──────────────────────────────────────────────────────────────

DEVICE = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model  = AlexNet(num_labels=1000).to(DEVICE)

WEIGHTS_STATUS = "랜덤 초기화 (예측 의미 없음)"
try:
    pretrained = tv.alexnet(weights=tv.AlexNet_Weights.DEFAULT)
    model.load_state_dict(pretrained.state_dict())   # Conv + FC 전체 복사
    WEIGHTS_STATUS = "ImageNet 사전학습 완료 (torchvision)"
    print("가중치 전체 로드 완료")
except Exception as e:
    print(f"가중치 로드 실패: {e}")

model.eval()


# ──────────────────────────────────────────────────────────────
# 3. ImageNet 1000개 클래스 이름 로드
#    강아지(n02085620~), 고양이(n02123045~), 사과(948), 사람 없음*
#    *ImageNet은 사람 클래스를 포함하지 않음
# ──────────────────────────────────────────────────────────────

ID2LABEL = {}

# 1순위: config.json
try:
    with open("config.json") as f:
        cfg = json.load(f)
    ID2LABEL = {int(k): v for k, v in cfg.get("id2label", {}).items()}
    if ID2LABEL:
        print(f"config.json: {len(ID2LABEL)}개 클래스")
except Exception:
    pass

# 2순위: 허깅페이스 ViT config (ImageNet 1000 라벨 동일)
if not ID2LABEL:
    try:
        resp = requests.get(
            "https://huggingface.co/google/vit-base-patch16-224/raw/main/config.json",
            timeout=15,
        )
        vit_cfg = resp.json()
        ID2LABEL = {int(k): v for k, v in vit_cfg.get("id2label", {}).items()}
        print(f"허깅페이스: {len(ID2LABEL)}개 클래스 로드")
    except Exception as e:
        print(f"클래스 이름 로드 실패: {e}")

LABEL_STATUS = f"ImageNet {len(ID2LABEL)}개 클래스" if ID2LABEL else "클래스 이름 없음"


# ──────────────────────────────────────────────────────────────
# 4. 전처리 (torchvision AlexNet_Weights.DEFAULT와 동일)
# ──────────────────────────────────────────────────────────────

TRANSFORM = T.Compose([
    T.Resize(256),
    T.CenterCrop(224),
    T.ToTensor(),
    T.Normalize(mean=[0.485, 0.456, 0.406],
                std=[0.229, 0.224, 0.225]),
])


# ──────────────────────────────────────────────────────────────
# 5. 추론 함수
# ──────────────────────────────────────────────────────────────

def predict(image: Image.Image) -> dict:
    if image is None:
        return {}
    tensor = TRANSFORM(image).unsqueeze(0).to(DEVICE)
    with torch.no_grad():
        logits = model(tensor)
    probs = torch.softmax(logits, dim=-1)[0]
    top5_probs, top5_idx = probs.topk(5)
    return {
        ID2LABEL.get(idx.item(), f"class_{idx.item()}"): round(prob.item(), 4)
        for prob, idx in zip(top5_probs, top5_idx)
    }


# ──────────────────────────────────────────────────────────────
# 6. Gradio UI
# ──────────────────────────────────────────────────────────────

with gr.Blocks(title="AlexNet — 논문 재현") as demo:
    gr.Markdown(f"""
    ## AlexNet — 논문 완전 재현 데모
    **논문**: ImageNet Classification with Deep CNNs (Krizhevsky et al., NeurIPS 2012)

    | 항목 | 상태 |
    |------|------|
    | 가중치 | {WEIGHTS_STATUS} |
    | 클래스 | {LABEL_STATUS} |

    > ※ ImageNet은 사람(남자/여자) 클래스를 포함하지 않아요.
    > 강아지·고양이·사과·자동차 등 1000개 물체 카테고리를 인식합니다.
    """)

    with gr.Row():
        with gr.Column():
            image_input = gr.Image(type="pil", label="입력 이미지")
            run_btn = gr.Button("예측하기", variant="primary")
        with gr.Column():
            label_output = gr.Label(num_top_classes=5, label="Top-5 예측")

    with gr.Accordion("인식 가능한 주요 카테고리", open=False):
        gr.Markdown("""
        **동물**: 개(120종), 고양이(8종), 새(59종), 물고기, 뱀, 곰, 코끼리 등  
        **음식**: 사과, 레몬, 딸기, 아이스크림, 피자, 버섯 등  
        **탈것**: 자동차, 버스, 기차, 비행기, 배, 오토바이 등  
        **사물**: 의자, 시계, 컵, 키보드, 안경, 우산 등  
        **자연**: 산호초, 화산, 폭포, 빙하 등

        > 사람(남자/여자)은 ImageNet 1000 클래스에 포함되지 않습니다.
        > 사람 인식이 필요하면 CLIP 또는 COCO 학습 모델이 필요해요.
        """)

    with gr.Accordion("모델 구조 (논문 Figure 2)", open=False):
        gr.Markdown("""
        | 레이어 | 커널 | 출력 shape      | 논문 섹션 |
        |--------|------|-----------------|-----------|
        | Conv1  | 11×11 stride=4 | (B, 64, 27, 27)  | 3.5절 |
        | Conv2  | 5×5           | (B, 192, 13, 13) | 3.5절 |
        | Conv3  | 3×3           | (B, 384, 13, 13) | 3.5절 |
        | Conv4  | 3×3           | (B, 256, 13, 13) | 3.5절 |
        | Conv5  | 3×3           | (B, 256, 6, 6)   | 3.5절 |
        | FC1·2  | —             | (B, 4096)        | 4.2절 Dropout 0.5 |
        | FC3    | —             | (B, 1000)        | Abstract |
        """)

    run_btn.click(fn=predict, inputs=image_input, outputs=label_output)
    image_input.change(fn=predict, inputs=image_input, outputs=label_output)

if __name__ == "__main__":
    demo.launch()