Create app.py

app.py

@@ -0,0 +1,54 @@
+# --- Phần 1: Nhập khẩu các thư viện cần thiết ---
+import gradio as gr
+from transformers import AutoImageProcessor, SiglipForImageClassification
+from PIL import Image
+import torch
+
+# --- Phần 2: Tải mô hình AI và bộ xử lý ảnh từ Hugging Face ---
+# (Chỉ chạy một lần khi ứng dụng khởi động)
+model_name = "prithivMLmods/Dog-Breed-120"
+print("Bắt đầu tải model và processor... Quá trình này có thể mất vài phút.")
+processor = AutoImageProcessor.from_pretrained(model_name)
+model = SiglipForImageClassification.from_pretrained(model_name)
+print("Tải model và processor thành công!")
+
+# Chuyển mô hình sang "chế độ dự đoán" để tối ưu hóa hiệu suất
+model.eval()
+
+# --- Phần 3: Định nghĩa hàm dự đoán chính ---
+# (Hàm này sẽ được gọi mỗi khi người dùng nhấn nút Submit)
+def predict(image):
+    # Dùng processor để xử lý ảnh đầu vào thành định dạng mà mô hình có thể hiểu
+    inputs = processor(images=image, return_tensors="pt")
+
+    # Đưa ảnh đã xử lý vào mô hình để nhận kết quả
+    # torch.no_grad() giúp chạy nhanh hơn vì không cần tính toán cho việc training
+    with torch.no_grad():
+        outputs = model(**inputs)
+    
+    # Lấy ra điểm số thô (logits) từ kết quả của mô hình
+    logits = outputs.logits
+    
+    # Tìm ra VỊ TRÍ của giống chó có điểm số (logit) cao nhất
+    predicted_class_idx = logits.argmax(-1).item()
+    
+    # Dùng vị trí đó để tra cứu TÊN THẬT của giống chó trong "cuốn sổ" của mô hình
+    breed_name = model.config.id2label[predicted_class_idx]
+    
+    # Tính toán ĐIỂM TIN CẬY (xác suất) cho giống chó đó
+    # Bằng cách áp dụng hàm softmax rồi lấy ra giá trị tại vị trí đã dự đoán
+    confidence_score = torch.nn.functional.softmax(logits, dim=1)[0][predicted_class_idx].item()
+    
+    # Định dạng kết quả trả về dưới dạng chuỗi văn bản đẹp mắt, ví dụ: "beagle (17.7%)"
+    return f"{breed_name} ({confidence_score:.1%})"
+
+# --- Phần 4: Tạo và khởi chạy giao diện người dùng với Gradio ---
+iface = gr.Interface(
+    fn=predict,
+    inputs=gr.Image(type="pil", label="Tải ảnh chú chó của bạn lên đây"),
+    outputs=gr.Textbox(label="Kết quả dự đoán"),
+    title="AI Nhận Diện Giống Chó 🐶",
+    description="Ứng dụng này sử dụng mô hình AI 'Dog-Breed-120' để nhận diện 120 giống chó khác nhau. Hãy thử tải một bức ảnh lên!",
+)
+
+iface.launch()