README.md

metadata

title: Image Classification 2015 vs 2025
emoji: 🔍
colorFrom: green
colorTo: gray
sdk: gradio
sdk_version: 6.15.2
app_file: app.py
pinned: false
python_version: '3.10'
suggested_hardware: cpu-basic

Image Classification Demo — 2015 vs 2025

画像分類デモ — 2015 vs 2025 実装比較

A Gradio app that demonstrates how dramatically machine learning implementation complexity has changed over a decade — using the same task (image → category prediction) as a benchmark.

同じタスク（画像 → カテゴリ予測）を使って、10年間で機械学習の実装コストが いかに変化したかを比較する Gradio デモアプリです。

---

What This App Does / このアプリについて

Upload any image and get a top-5 category prediction from a pre-trained Vision Transformer (ViT). Alongside the result, the app shows the code required to build the same classifier in 2015 (Theano + NumPy, ~130 lines) versus 2025 (HuggingFace Transformers, 5 lines).

画像をアップロードすると、事前学習済み ViT による上位5件の予測結果を表示します。 あわせて、2015年（Theano + NumPy、約130行） と 2025年（HuggingFace Transformers、5行） の実装コードを左右に並べて比較します。

---

Implementation Comparison / 実装比較

Item / 項目	2015 (Theano + NumPy)	2025 (HuggingFace)
Lines of code / 実装行数	~130 lines	5 lines
Model / モデル	Hand-written CNN / 手書き CNN	ViT-Base (pre-trained) / 事前学習済み
Preprocessing / 前処理	Manual / 手動実装	Automatic / 自動
Training / 学習	SGD written by hand / 手動記述	Not required / 不要
Accuracy / 精度目安	~70 % (CIFAR-10)	~81 % (ImageNet)
Compile step / コンパイル	Tens of seconds / 数十秒	Not required / 不要

---

File Structure / ファイル構成

.
├── app.py            # Gradio app — entry point / エントリポイント
├── model_2025.py     # 2025 implementation: HuggingFace pipeline (5 lines)
│                     # 2025 実装：HuggingFace pipeline（5 行）
├── model_2015.py     # 2015 implementation: Theano CNN (reference / 参照用)
├── requirements.txt  # Dependencies / 依存パッケージ
└── README.md         # This file / このファイル

---

Running Locally / ローカルでの起動

# 1. Clone / クローン
git clone https://huggingface.co/spaces/<your-username>/image-classification-2015-vs-2025
cd image-classification-2015-vs-2025

# 2. Install dependencies / 依存をインストール
pip install -r requirements.txt

# 3. Launch / 起動
python app.py
# → http://localhost:7860

Note / 注意: On first launch, the ViT model (330 MB) is downloaded from Hugging Face Hub automatically and cached in `/.cache/huggingface/`.

初回起動時に ViT モデル（約330 MB）が HuggingFace Hub から自動ダウンロードされ、 ~/.cache/huggingface/ にキャッシュされます。

---

Hardware / 動作環境

This Space runs on CPU Basic (free tier — no GPU required). ViT-Base inference on CPU typically takes 2–5 seconds per image.

このSpaceは CPU Basic（無料枠）で動作します。GPU は不要です。 CPU 上での ViT-Base 推論は 1 枚あたり 2〜5秒 程度です。

Resource	Spec
Hardware	CPU Basic (2 vCPU / 16 GB RAM)
GPU	None / なし
Storage	Ephemeral (model cached via HF Hub)

---

About the 2015 Implementation / 2015年実装について

model_2015.py is reference documentation only — it requires Python 3.8 and Theano 1.0, which are no longer maintained and incompatible with Python 3.9+. The file is included to illustrate the implementation burden of the era.

model_2015.py は 参照用ドキュメント です。Python 3.8 と Theano 1.0 が必要で、 現在はメンテナンスされておらず Python 3.9 以降では動作しません。 当時の実装コストを示す資料として収録しています。

What had to be hand-written in 2015 / 2015年当時に手書きが必要だったもの:

• Weight initialization for each layer / 各層の重み初期化
• Symbolic computation graph (conv → pool → softmax) / シンボルグラフ
• Loss function, gradient computation, SGD update rules / 損失・勾配・SGD更新則
• Theano function compilation / Theano 関数のコンパイル
• Image preprocessing (normalization, CHW transpose) / 画像前処理
• Training loop with manual batch splitting / 手動バッチ分割・学習ループ
• Model save / load / モデルの保存・読み込み

---

Tech Stack / 技術スタック

Library	Version	Purpose / 用途
transformers	≥ 4.40	ViT model & pipeline
torch	≥ 2.2	Inference backend / 推論バックエンド
Pillow	≥ 10.0	Image I/O / 画像入出力
gradio	≥ 4.36	Web UI

---

License / ライセンス

MIT