ver1

README.md

@@ -0,0 +1,16 @@
+# GTM-Scope
+
+## Descrição
+GTM-Scope é uma ferramenta interativa que permite aos usuários carregar arquivos .tm e .zip para extrair informações sobre modelos de aprendizado de máquina treinados no Google Teachable Machine.
+
+## Como Usar
+- Carregue um arquivo .tm para obter informações básicas do modelo.
+- Carregue um arquivo .zip correspondente para obter informações detalhadas do modelo, incluindo a estrutura do modelo e o tamanho dos pesos.
+- Você pode carregar ambos os arquivos para obter um conjunto completo de informações.
+
+## Informações Adicionais
+Este projeto foi desenvolvido para facilitar a análise e o entendimento de modelos de aprendizado de máquina. Para sugestões ou contribuições, sinta-se à vontade para entrar em contato.
+
+---
+
+Desenvolvido por [Ramon Mayor Martins]

app.py

@@ -0,0 +1,72 @@
+import gradio as gr
+import zipfile
+import json
+import pandas as pd
+from tensorflow.keras.models import model_from_json
+from collections import Counter
+
+def extract_zip_info(zip_path):
+    with zipfile.ZipFile(zip_path, 'r') as zip_ref:
+        file_list = zip_ref.namelist()
+        metadata = model_json = None
+        weights_file = None
+
+        for file in file_list:
+            if 'metadata.json' in file:
+                with zip_ref.open(file) as f:
+                    metadata = json.load(f)
+            elif 'model.json' in file:
+                with zip_ref.open(file) as f:
+                    model_json = json.load(f)
+            elif 'model.weights.bin' in file:
+                weights_file = file
+
+        if model_json:
+            model_topology_json = model_json['modelTopology']
+            model_json_string = json.dumps(model_topology_json)
+            model = model_from_json(model_json_string)
+            summary = {'layer_counts': Counter()}
+            extract_layer_info(model_topology_json['config']['layers'], summary)
+            layer_counts_text = ', '.join([f'{k}: {v}' for k, v in summary['layer_counts'].items()])
+        else:
+            layer_counts_text = "Modelo não encontrado"
+
+        weights_info = {'size_bytes': zip_ref.getinfo(weights_file).file_size} if weights_file else {'size_bytes': 'Não encontrado'}
+
+        return {
+            'metadata': metadata if metadata else 'Metadados não encontrados',
+            'model_summary': layer_counts_text,
+            'weights_info': weights_info
+        }
+
+
+def extract_layer_info(layers, summary):
+    for layer in layers:
+        class_name = layer['class_name']
+        summary['layer_counts'][class_name] += 1
+        if class_name in ['Sequential', 'Model']:
+            sub_layers = layer['config']['layers']
+            extract_layer_info(sub_layers, summary)
+
+def analyze_files(tm_file, zip_file):
+    results = {}
+    if tm_file is not None:
+        tm_info = extract_tm_info(tm_file.name)
+        results['tm_info'] = tm_info
+    if zip_file is not None:
+        zip_info = extract_zip_info(zip_file.name)
+        results['zip_info'] = zip_info
+    return pd.DataFrame([results]).to_html(escape=False)
+
+iface = gr.Interface(
+    fn=analyze_files,
+    inputs=[
+        gr.File(label="Upload .tm File"),
+        gr.File(label="Upload .zip File")
+    ],
+    outputs=gr.HTML(),
+    title="GTM-Scope",
+    description="Upload a .tm or .zip file to extract its information."
+)
+
+iface.launch(debug=True)

requirements.txt

@@ -0,0 +1,3 @@
+gradio
+pandas
+tensorflow