QUICK_START.py

#!/usr/bin/env python
"""
Quick Start Script - Medical Image Segmentation Project
Chạy script này để xem tất cả options khả dụng
"""

import os
import sys
from pathlib import Path

def print_header(title):
    """In header"""
    width = 80
    print("\n" + "="*width)
    print(f"  {title}".center(width))
    print("="*width)

def main():
    print_header("🏥 Medical Image Segmentation - Quick Start")
    
    print("""
┌────────────────────────────────────────────────────────────────────────────┐
│                           📋 AVAILABLE OPTIONS                             │
└────────────────────────────────────────────────────────────────────────────┘

1️⃣  WEB INTERFACE (Gradio) - Sử dụng ngay
    └─ python app.py
       → Truy cập: http://127.0.0.1:7860
       → Upload ảnh, click "Generate Predictions"
       → Xem kết quả phân đoạn

2️⃣  JUPYTER NOTEBOOK - Interactive Demo
    └─ jupyter notebook demo.ipynb
       → Step-by-step visualization
       → Model explanation
       → Batch processing examples

3️⃣  TRAINING WORKFLOW (Complete)
    └─ Step 1: python download_dataset.py
       → Tải ~10GB data từ Kaggle (cần Kaggle API key)
    
    └─ Step 2: python prepare_dataset.py
       → Xử lý data (RLE decode, split train/val/test)
    
    └─ Step 3: python train.py --epochs 20
       → Train SegFormer model (có thể mất vài giờ)
       → Save best_model & final_model
    
    └─ Step 4: python test.py --model ./models/best_model --visualize
       → Evaluate & visualization

4️⃣  QUICK REFERENCE - Danh sách lệnh
    └─ python train.py --help
    └─ python test.py --help
    └─ python prepare_dataset.py --help
    └─ python download_dataset.py --help

5️⃣  DOCUMENTATION - Tài liệu
    └─ TRAINING_GUIDE.md             (Hướng dẫn chi tiết)
    └─ IMPLEMENTATION_SUMMARY.md     (Tóm tắt triển khai)
    └─ FILE_INDEX.md                 (Danh sách file)
    └─ README.md                     (Info gốc)

┌────────────────────────────────────────────────────────────────────────────┐
│                         🚀 RECOMMENDED START                               │
└────────────────────────────────────────────────────────────────────────────┘

【OPTION A】Demo ngay bây giờ (2 phút)
    python app.py
    # Hoặc
    jupyter notebook demo.ipynb

【OPTION B】Train model mới (1-2 giờ)
    python download_dataset.py
    python prepare_dataset.py
    python train.py --epochs 20
    python test.py --model ./models/best_model --visualize

【OPTION C】Chỉ test model hiện có
    python test.py \\
        --model ./segformer_trained_weights \\
        --test-images ./samples \\
        --visualize

┌────────────────────────────────────────────────────────────────────────────┐
│                            📊 PROJECT INFO                                 │
└────────────────────────────────────────────────────────────────────────────┘

Dataset:    UW-Madison GI Tract Image Segmentation
Model:      SegFormer-B0 (HuggingFace Transformers)
Framework:  PyTorch + Gradio + HuggingFace
Task:       Medical Image Segmentation
Classes:    4 (Background + 3 organs)
            - Large bowel (Ruột già) 🔴
            - Small bowel (Ruột non) 🟢
            - Stomach (Dạ dày) 🔵

┌────────────────────────────────────────────────────────────────────────────┐
│                        🔧 REQUIREMENTS                                     │
└────────────────────────────────────────────────────────────────────────────┘

Python:     3.8+
GPU:        Optional (Auto-switch to CPU if not available)
RAM:        4GB+ (8GB recommended)
Disk:       20GB+ (for dataset & models)

Main Libraries:
  - torch >= 2.0.0
  - transformers >= 4.30.0
  - gradio >= 6.0.0
  - torchvision >= 0.15.0
  - PIL, numpy, pandas, scikit-learn

Install dependencies:
    pip install -r requirements.txt

┌────────────────────────────────────────────────────────────────────────────┐
│                      💡 USEFUL TIPS                                        │
└────────────────────────────────────────────────────────────────────────────┘

✓ Web Interface slow? 
  → Giảm batch size hoặc dùng CPU mode

✓ Train quá lâu?
  → Giảm epochs: --epochs 5
  → Giảm batch size: --batch-size 4

✓ GPU out of memory?
  → Giảm batch size: --batch-size 4 hoặc 2
  → Dùng num_workers=0 trong train.py

✓ Kaggle dataset lỗi?
  → Xem hướng dẫn API key: TRAINING_GUIDE.md

✓ Muốn custom model?
  → Edit train.py, thay model architecture
  → Hoặc fine-tune trên dataset riêng

┌────────────────────────────────────────────────────────────────────────────┐
│                      🎯 NEXT STEPS                                         │
└────────────────────────────────────────────────────────────────────────────┘

1. Chọn option ở trên (A, B, hoặc C)
2. Chạy command
3. Xem kết quả
4. Đọc tài liệu nếu cần chi tiết

Ví dụ đơn giản nhất:
    python app.py
    # Mở browser: http://127.0.0.1:7860

┌────────────────────────────────────────────────────────────────────────────┐
│                    📚 DOCUMENTATION STRUCTURE                              │
└────────────────────────────────────────────────────────────────────────────┘

Start Here:
  1. FILE_INDEX.md (bạn đang ở đây) ← Tôi là file navigation
  2. IMPLEMENTATION_SUMMARY.md      ← Tóm tắt những gì đã triển khai
  3. TRAINING_GUIDE.md              ← Hướng dẫn chi tiết từng bước

Code Documentation:
  • app.py          - Web interface
  • demo.ipynb      - Interactive notebook
  • train.py        - Training script
  • test.py         - Testing script
  • download_dataset.py - Kaggle download
  • prepare_dataset.py  - Data preparation

┌────────────────────────────────────────────────────────────────────────────┐
│                          ⚠️  IMPORTANT                                     │
└────────────────────────────────────────────────────────────────────────────┘

⚠️  Kaggle API Key:
    Cần cho download_dataset.py
    → Tạo tại https://www.kaggle.com/account
    → Lưu vào ~/.kaggle/kaggle.json

⚠️  GPU/CUDA:
    Script tự detect GPU
    Nếu GPU not found → auto sử dụng CPU

⚠️  Dataset Size:
    UW-Madison dataset ~ 10GB
    Prepared data ~ 15GB
    Total with models ~ 30GB

┌────────────────────────────────────────────────────────────────────────────┐
│                       🎉 YOU'RE ALL SET!                                   │
└────────────────────────────────────────────────────────────────────────────┘

Tất cả tools và scripts đã được triển khai.

Hãy chạy command đầu tiên của bạn:

    python app.py

Hoặc xem hướng dẫn chi tiết:

    cat TRAINING_GUIDE.md

Chúc bạn thành công! 🚀

""")

    print("\n" + "="*80 + "\n")

if __name__ == "__main__":
    main()