Upload 3 files

lab3/README.md

@@ -0,0 +1,41 @@
+# Vision Language AI Web App (HW3)
+
+* **學號:** 314831001 
+* **姓名:** 詹沐恩
+
+## 專案介紹
+
+這份作業實作了一個 Web UI 應用程式，用於展示 Vision Language AI 的功能。
+
+我選擇實作的核心功能是 **圖片描述 (Image Captioning)**。
+
+* **AI 模型:** `nlpconnect/vit-gpt2-image-captioning`
+* **UI 框架:** `Gradio`
+
+## 功能
+
+使用者可以上傳任何圖片，應用程式將會返回一段由 AI 自動生成的英文描述文字。
+
+## 如何在本機運行 (Self-Hosted)
+
+1.  確認已安裝 Python 3.8+
+2.  (建議) 建立並啟動虛擬環境：
+    ```bash
+    python -m venv venv
+    source venv/bin/activate  # on Windows: venv\Scripts\activate
+    ```
+3.  安裝所有必要的套件：
+    ```bash
+    pip install -r requirements.txt
+    ```
+4.  啟動應用程式：
+    ```bash
+    python app.py
+    ```
+5.  在瀏覽器中開啟 `http://127.0.0.1:7860` 即可使用。
+
+## Hugging Face Spaces
+
+您也可以直接透過以下的 Hugging Face Spaces 連結來體驗這個 App：
+
+(如果你上傳到 HF Spaces，請把公開網址貼在這裡)

lab3/app.py

@@ -0,0 +1,83 @@
+import gradio as gr
+from transformers import pipeline
+from PIL import Image
+
+# --- 1. 載入 AI 模型 ---
+# 使用 Hugging Face pipeline 快速載入預訓練模型
+# 任務: "image-to-text" (圖片轉文字)
+# 模型: "nlpconnect/vit-gpt2-image-captioning"
+#
+# 第一次執行時，會自動下載模型 (可能需要幾分鐘)
+print("正在載入 AI 模型...")
+# 確保模型在 CPU 上運行 (符合作業的 Zero GPU/CPU 要求)
+captioner = pipeline("image-to-text", 
+                     model="nlpconnect/vit-gpt2-image-captioning",
+                     device="cpu") 
+print("模型載入完成。")
+
+# --- 2. 定義核心 AI 功能 ---
+def generate_caption(input_image: Image.Image) -> str:
+    """
+    接收一個 PIL Image 物件，返回 AI 生成的描述文字。
+    
+    Args:
+        input_image: Gradio 傳入的 PIL 圖片物件。
+
+    Returns:
+        一個描述圖片的字串。
+    """
+    if input_image is None:
+        return "錯誤：請先上傳圖片。"
+        
+    try:
+        # 使用 pipeline 進行預測
+        # pipeline 會返回一個 list，其中包含一個 dict
+        # result 格式: [{'generated_text': 'a cat sitting on a couch'}]
+        result = captioner(input_image)
+        caption = result[0]['generated_text']
+        
+        # 對輸出做一點清理，讓它更易讀
+        return caption.capitalize()
+        
+    except Exception as e:
+        print(f"處理圖片時發生錯誤: {e}")
+        return f"發生錯誤: {e}"
+
+# --- 3. 建立 Gradio Web UI 介面 ---
+
+# 定義輸入介面：
+# type="pil" 確保傳入 Python 函式的是 PIL Image 物件
+input_component = gr.Image(type="pil", label="上傳圖片 (Upload Image)")
+
+# 定義輸出介面：
+output_component = gr.Textbox(label="AI 產生的圖片描述 (AI-Generated Caption)")
+
+# 讀取範例圖片 (請確保你已在 sample_images/ 資料夾放入對應檔案)
+# 這是為了讓使用者一點就知道怎麼用
+example_list = [
+    ["sample_images/cat.jpg"],
+    ["sample_images/dog_park.jpg"],
+]
+
+# 組合介面
+iface = gr.Interface(
+    fn=generate_caption,       # 要呼叫的函式
+    inputs=input_component,    # 輸入元件
+    outputs=output_component,  # 輸出元件
+    
+    # 介面標題與說明
+    title="Vision Language AI：智慧圖片描述",
+    description="這是一個使用 Gradio 和 Hugging Face Transformers 打造的 Web App。\n上傳一張圖片，AI 將會自動為您產生一段描述文字。",
+    
+    # 提供範例
+    examples=example_list,
+    
+    # 介面主題 (可選)
+    theme=gr.themes.Soft()
+)
+
+# --- 4. 啟動 Web App ---
+if __name__ == "__main__":
+    # share=True 會產生一個公開的臨時網址，方便分享
+    # (但在 HF Spaces 上部署時不需要 share=True)
+    iface.launch()

lab3/requirements.txt

@@ -0,0 +1,4 @@
+transformers
+torch
+gradio
+Pillow