Add application file

app.py

@@ -0,0 +1,50 @@
+import gradio as gr
+import torch
+from torchvision import transforms
+from torchvision.models import ResNet34_Weights, resnet34
+
+
+def image_classifier(image):
+    # Готовим данные
+    inputs = transform(image)
+    inputs = inputs.unsqueeze(0)
+
+
+    # Пропускаем данные через модель
+    with torch.no_grad():
+        outputs = model(inputs)
+
+
+    # Ставим метки и вероятности
+    predictions = torch.nn.functional.softmax(outputs[0], dim=0)
+    # TODO: оставить в predictions только 5 самых вероятных вариантов
+    top_prediction_1, top_prediction_2 = torch.topk(predictions, 5)
+    return {labels[p]: float(top_prediction_1[i]) for i, p in enumerate(top_prediction_2)}
+
+
+# Заранее обученная модель
+model = resnet34(weights=ResNet34_Weights.DEFAULT)
+model.to('cpu')
+model.eval()
+
+
+# Преобразования над сырыми данными
+transform = transforms.Compose([
+    transforms.Resize(256),
+    transforms.CenterCrop(224),
+    transforms.ToTensor(),
+    transforms.Normalize(mean=[0.485, 0.456, 0.406],
+                         std=[0.229, 0.224, 0.225]),
+])
+
+
+# Названия классов
+labels = ResNet34_Weights.DEFAULT.meta["categories"]
+
+
+img_widget = gr.Image(image_mode='RGB', type='pil')
+
+
+# TODO: добавить код приложения Gradio
+demo = gr.Interface(fn=image_classifier, inputs=gr.Image, outputs=gr.Label(num_top_classes=5))
+demo.launch()

requirements.txt

@@ -0,0 +1,3 @@
+--index-url https://download.pytorch.org/whl/cpu
+torch
+torchvision