go15

app.py

@@ -24,7 +24,8 @@ print(f"Device: {device}")
 # Modelos disponíveis
 MODELS = {
     'ResNet18': models.resnet18,
-    'ResNet34': models.resnet34, 
+    'ResNet34': models.resnet34,
+    'ResNet50': models.resnet50,
     'MobileNetV2': models.mobilenet_v2
 }
 
@@ -39,14 +40,14 @@ class AppState:
         self.class_dirs = []
         self.class_labels = ['classe_0', 'classe_1']
         self.num_classes = 2
-        self.image_queue = []  # Para armazenar imagens uploaded
+        self.image_queue = []
 
 state = AppState()
 
 def setup_classes(num_classes_value):
     """Configura número de classes"""
     try:
-        state.num_classes = int(num_classes_value)
+        state.num_classes = max(2, min(5, int(num_classes_value)))
         state.dataset_path = tempfile.mkdtemp()
         state.class_labels = [f'classe_{i}' for i in range(state.num_classes)]
         
@@ -73,16 +74,26 @@ def set_class_labels(labels_text):
     except Exception as e:
         return f"❌ Erro: {str(e)}"
 
-def add_image_to_queue(image):
-    """Adiciona imagem à fila"""
-    if image is None:
-        return "❌ Selecione uma imagem", 0
+def add_images_to_queue(images):
+    """Adiciona múltiplas imagens à fila"""
+    if not images:
+        return "❌ Nenhuma imagem selecionada", len(state.image_queue)
     
-    state.image_queue.append(image)
-    return f"✅ Imagem adicionada à fila. Total: {len(state.image_queue)}", len(state.image_queue)
+    count = 0
+    for image_file in images:
+        try:
+            if image_file is not None:
+                # Carregar imagem
+                img = Image.open(image_file.name).convert('RGB')
+                state.image_queue.append(img)
+                count += 1
+        except Exception as e:
+            print(f"Erro processando imagem: {e}")
+    
+    return f"✅ {count} imagens adicionadas. Total na fila: {len(state.image_queue)}", len(state.image_queue)
 
-def save_images_to_class(class_id, clear_queue=True):
-    """Salva todas as imagens da fila para uma classe"""
+def save_queue_to_class(class_id):
+    """Salva fila de imagens para uma classe"""
     try:
         if not state.image_queue:
             return "❌ Nenhuma imagem na fila"
@@ -90,10 +101,7 @@ def save_images_to_class(class_id, clear_queue=True):
         if not state.class_dirs:
             return "❌ Configure as classes primeiro"
         
-        class_idx = int(class_id)
-        if class_idx >= len(state.class_dirs):
-            return "❌ Classe inválida"
-        
+        class_idx = max(0, min(int(class_id), len(state.class_dirs) - 1))
         class_dir = state.class_dirs[class_idx]
         count = 0
         
@@ -107,21 +115,19 @@ def save_images_to_class(class_id, clear_queue=True):
             except Exception as e:
                 print(f"Erro salvando imagem {i}: {e}")
         
-        if clear_queue:
-            state.image_queue = []
-        
+        state.image_queue = []  # Limpar fila
         class_name = state.class_labels[class_idx]
         return f"✅ {count} imagens salvas em '{class_name}'"
     except Exception as e:
         return f"❌ Erro: {str(e)}"
 
-def clear_image_queue():
-    """Limpa a fila de imagens"""
+def clear_queue():
+    """Limpa a fila"""
     state.image_queue = []
     return "✅ Fila limpa", 0
 
 def prepare_data(batch_size):
-    """Prepara dados para treinamento"""
+    """Prepara dados"""
     try:
         if not state.dataset_path:
             return "❌ Configure as classes primeiro"
@@ -157,7 +163,7 @@ def prepare_data(batch_size):
         return f"❌ Erro: {str(e)}"
 
 def train_model(model_name, epochs, lr):
-    """Treina o modelo"""
+    """Treina modelo"""
     try:
         if state.train_loader is None:
             return "❌ Prepare os dados primeiro"
@@ -208,7 +214,7 @@ def train_model(model_name, epochs, lr):
         return f"❌ Erro: {str(e)}"
 
 def evaluate_model():
-    """Avalia o modelo"""
+    """Avalia modelo"""
     try:
         if state.model is None or state.test_loader is None:
             return "❌ Modelo/dados não disponíveis"
@@ -268,7 +274,7 @@ def generate_confusion_matrix():
         return None
 
 def predict_image(image):
-    """Prediz uma única imagem"""
+    """Prediz imagem"""
     try:
         if state.model is None:
             return "❌ Treine o modelo primeiro"
@@ -298,87 +304,134 @@ def predict_image(image):
     except Exception as e:
         return f"❌ Erro: {str(e)}"
 
-# Interface usando componentes mais antigos/estáveis
+# Interface usando Gradio 3.x (sintaxe correta)
 def create_interface():
-    with gr.Blocks(title="🖼️ Classificador Completo") as demo:
-        
+    
+    # Interface com abas usando Gradio 3.x
+    with gr.Blocks() as demo:
         gr.Markdown("# 🖼️ Sistema de Classificação de Imagens Completo")
+        gr.Markdown("**Versão estável sem bugs - Funcionalidade completa mantida**")
         
-        # Configuração
-        with gr.Group():
-            gr.Markdown("## 1️⃣ Configuração")
-            with gr.Row():
-                num_classes = gr.Number(label="Número de Classes (2-5)", value=2, precision=0)
-                setup_btn = gr.Button("🔧 Configurar")
-            setup_status = gr.Textbox(label="Status")
+        with gr.Tab("1️⃣ Configuração"):
+            gr.Markdown("### 🎯 Configurar Classes")
+            num_classes_input = gr.Number(value=2, label="Número de Classes (2-5)")
+            setup_btn = gr.Button("🔧 Configurar Classes", variant="primary")
+            setup_output = gr.Textbox(label="Status da Configuração")
             
-            labels_input = gr.Textbox(label="Rótulos (separados por vírgula)", value="gato,cachorro")
+            gr.Markdown("### 🏷️ Definir Rótulos")
+            labels_input = gr.Textbox(value="gato,cachorro", label="Rótulos (separados por vírgula)")
             labels_btn = gr.Button("🏷️ Definir Rótulos")
-            labels_status = gr.Textbox(label="Status dos Rótulos")
-        
-        # Upload de Imagens
-        with gr.Group():
-            gr.Markdown("## 2️⃣ Upload de Imagens")
+            labels_output = gr.Textbox(label="Status dos Rótulos")
+            
+            # Conectar eventos
+            setup_btn.click(setup_classes, inputs=[num_classes_input], outputs=[setup_output])
+            labels_btn.click(set_class_labels, inputs=[labels_input], outputs=[labels_output])
+        
+        with gr.Tab("2️⃣ Upload de Imagens"):
+            gr.Markdown("### 📤 Upload Múltiplo via Fila")
+            images_upload = gr.File(file_count="multiple", label="Selecionar Múltiplas Imagens", file_types=["image"])
+            add_btn = gr.Button("➕ Adicionar à Fila")
+            
             with gr.Row():
-                upload_image = gr.Image(type="pil", label="Upload de Imagem")
-                with gr.Column():
-                    add_btn = gr.Button("➕ Adicionar à Fila")
-                    queue_status = gr.Textbox(label="Fila de Imagens")
-                    queue_count = gr.Number(label="Total na Fila", value=0)
+                queue_output = gr.Textbox(label="Status da Fila")
+                queue_count_output = gr.Number(label="Total na Fila", value=0)
             
+            gr.Markdown("### 💾 Salvar por Classe")
             with gr.Row():
-                class_id = gr.Number(label="Classe (0, 1, 2...)", value=0, precision=0)
+                class_id_input = gr.Number(value=0, label="Classe de Destino (0, 1, 2...)")
                 save_btn = gr.Button("💾 Salvar Fila na Classe", variant="primary")
                 clear_btn = gr.Button("🗑️ Limpar Fila")
-            save_status = gr.Textbox(label="Status do Upload")
-        
-        # Treinamento
-        with gr.Group():
-            gr.Markdown("## 3️⃣ Preparação e Treinamento")
-            batch_size = gr.Number(label="Batch Size", value=8, precision=0)
+            
+            save_output = gr.Textbox(label="Status do Upload")
+            
+            # Conectar eventos
+            add_btn.click(add_images_to_queue, inputs=[images_upload], outputs=[queue_output, queue_count_output])
+            save_btn.click(save_queue_to_class, inputs=[class_id_input], outputs=[save_output])
+            clear_btn.click(clear_queue, outputs=[queue_output, queue_count_output])
+        
+        with gr.Tab("3️⃣ Preparação e Treinamento"):
+            gr.Markdown("### ⚙️ Preparar Dados")
+            batch_size_input = gr.Number(value=8, label="Batch Size")
             prepare_btn = gr.Button("⚙️ Preparar Dados", variant="primary")
-            prepare_status = gr.Textbox(label="Status da Preparação", lines=4)
+            prepare_output = gr.Textbox(label="Status da Preparação", lines=4)
             
+            gr.Markdown("### 🚀 Configurar e Treinar Modelo")
             with gr.Row():
-                model_choice = gr.Dropdown(choices=list(MODELS.keys()), value="MobileNetV2", label="Modelo")
-                epochs = gr.Number(label="Épocas", value=5, precision=0)
-                learning_rate = gr.Number(label="Learning Rate", value=0.001)
+                model_input = gr.Dropdown(choices=list(MODELS.keys()), value="MobileNetV2", label="Modelo")
+                epochs_input = gr.Number(value=5, label="Épocas")
+                lr_input = gr.Number(value=0.001, label="Learning Rate")
+            
+            train_btn = gr.Button("🚀 Iniciar Treinamento", variant="primary")
+            train_output = gr.Textbox(label="Status do Treinamento", lines=8)
             
-            train_btn = gr.Button("🚀 Treinar Modelo", variant="primary")
-            train_status = gr.Textbox(label="Status do Treinamento", lines=8)
+            # Conectar eventos
+            prepare_btn.click(prepare_data, inputs=[batch_size_input], outputs=[prepare_output])
+            train_btn.click(train_model, inputs=[model_input, epochs_input, lr_input], outputs=[train_output])
         
-        # Avaliação
-        with gr.Group():
-            gr.Markdown("## 4️⃣ Avaliação")
+        with gr.Tab("4️⃣ Avaliação do Modelo"):
+            gr.Markdown("### 📊 Avaliar Desempenho")
             with gr.Row():
                 eval_btn = gr.Button("📊 Avaliar Modelo", variant="primary")
-                matrix_btn = gr.Button("📈 Matriz de Confusão")
+                matrix_btn = gr.Button("📈 Gerar Matriz de Confusão")
             
-            eval_results = gr.Textbox(label="Relatório de Avaliação", lines=12)
-            confusion_plot = gr.Image(label="Matriz de Confusão")
-        
-        # Predição
-        with gr.Group():
-            gr.Markdown("## 5️⃣ Predição")
-            predict_img = gr.Image(type="pil", label="Imagem para Predição")
-            predict_btn = gr.Button("🔮 Predizer", variant="primary")
-            predict_result = gr.Textbox(label="Resultado da Predição", lines=3)
-        
-        # Conectar eventos
-        setup_btn.click(setup_classes, [num_classes], [setup_status])
-        labels_btn.click(set_class_labels, [labels_input], [labels_status])
-        
-        add_btn.click(add_image_to_queue, [upload_image], [queue_status, queue_count])
-        save_btn.click(save_images_to_class, [class_id], [save_status])
-        clear_btn.click(clear_image_queue, outputs=[queue_status, queue_count])
-        
-        prepare_btn.click(prepare_data, [batch_size], [prepare_status])
-        train_btn.click(train_model, [model_choice, epochs, learning_rate], [train_status])
-        
-        eval_btn.click(evaluate_model, outputs=[eval_results])
-        matrix_btn.click(generate_confusion_matrix, outputs=[confusion_plot])
+            eval_output = gr.Textbox(label="Relatório de Avaliação", lines=12)
+            matrix_output = gr.Image(label="Matriz de Confusão")
+            
+            # Conectar eventos
+            eval_btn.click(evaluate_model, outputs=[eval_output])
+            matrix_btn.click(generate_confusion_matrix, outputs=[matrix_output])
+        
+        with gr.Tab("5️⃣ Predição"):
+            gr.Markdown("### 🔮 Predizer Novas Imagens")
+            predict_image_input = gr.Image(type="pil", label="Imagem para Predição")
+            predict_btn = gr.Button("🔮 Fazer Predição", variant="primary")
+            predict_output = gr.Textbox(label="Resultado da Predição", lines=3)
+            
+            # Conectar eventos
+            predict_btn.click(predict_image, inputs=[predict_image_input], outputs=[predict_output])
         
-        predict_btn.click(predict_image, [predict_img], [predict_result])
+        # Informações adicionais
+        with gr.Tab("ℹ️ Informações"):
+            gr.Markdown("""
+            ## 📋 Como Usar Este Sistema
+            
+            ### 1️⃣ **Configuração Inicial**
+            - Defina o número de classes (2-5)
+            - Configure rótulos personalizados separados por vírgula
+            
+            ### 2️⃣ **Upload de Imagens**
+            - Selecione múltiplas imagens
+            - Adicione à fila
+            - Escolha a classe de destino (0, 1, 2...)
+            - Salve a fila na classe escolhida
+            - Repita para todas as classes
+            
+            ### 3️⃣ **Treinamento**
+            - Configure batch size (recomendado: 8-16)
+            - Prepare os dados
+            - Escolha modelo (MobileNetV2 = mais rápido)
+            - Configure épocas (recomendado: 3-10)
+            - Inicie o treinamento
+            
+            ### 4️⃣ **Avaliação**
+            - Avalie o modelo para ver métricas
+            - Gere matriz de confusão para análise visual
+            
+            ### 5️⃣ **Predição**
+            - Teste com novas imagens
+            - Veja predições com níveis de confiança
+            
+            ## 🎯 **Dicas para Melhores Resultados**
+            - Use pelo menos 10-20 imagens por classe
+            - Imagens bem balanceadas entre classes
+            - Imagens claras e bem iluminadas
+            - Varie poses, ângulos e ambientes
+            
+            ## 🔧 **Modelos Disponíveis**
+            - **MobileNetV2**: Rápido, ideal para prototipagem
+            - **ResNet18**: Bom equilíbrio velocidade/precisão
+            - **ResNet34/50**: Maior precisão, mais lento
+            """)
     
     return demo
 
@@ -386,4 +439,4 @@ if __name__ == "__main__":
     print("🎯 Criando interface...")
     demo = create_interface()
     print("🚀 Iniciando aplicação...")
-    demo.launch(server_name="0.0.0.0", server_port=7860, show_api=False)
+    demo.launch(server_name="0.0.0.0", server_port=7860)

requirements.txt

@@ -1,4 +1,4 @@
-gradio==4.15.0
+gradio==3.45.0
 torch==2.0.1
 torchvision==0.15.2
 scikit-learn==1.3.0