huu

README.md

@@ -1,57 +1,13 @@
 ---
-title: Image Captioning
-emoji: 🖼️
-colorFrom: blue
-colorTo: pink
+title: Img Captioning
+emoji: 📚
+colorFrom: gray
+colorTo: purple
 sdk: gradio
-sdk_version: "4.40.0"
+sdk_version: 5.44.1
 app_file: app.py
 pinned: false
+short_description: Upload an image, return a caption
 ---
 
-# Image Captioning — Hugging Face Space
-
-Triển khai inference cho mô hình image captioning bằng TensorFlow/Keras, với giao diện Gradio đơn giản cho upload ảnh và nhận caption.
-
-
-# Image Captioning — Hugging Face Space
-
-Triển khai inference cho mô hình image captioning dùng TensorFlow/Keras, EfficientNetV2B0 và giao diện Gradio.
-
-## Cấu trúc tệp cần có
-```text
-.
-├── app.py                      # UI Gradio cho Hugging Face Space
-├── flickr30k.py                # Logic model + tiền xử lý (đã cung cấp)
-├── best_model.keras            # Trọng số mô hình (đặt cùng thư mục)
-├── tokenizer.pkl               # Tokenizer đã fit
-├── model_config.pkl            # Chứa max_length, vocab_size
-├── requirements.txt
-└── README.md
-```
-
-Các hàm sử dụng trực tiếp từ `flickr30k.py`: `load_caption_model`, `load_tokenizer_and_config`, `load_feature_extractor`, `extract_features_from_image`, `generate_caption`.
-
-## Chạy cục bộ
-```bash
-python -m venv .venv
-. .venv/bin/activate  # Windows: .venv\Scripts\activate
-pip install --upgrade pip
-pip install -r requirements.txt
-
-# Đảm bảo 3 tệp đã có:
-# best_model.keras, tokenizer.pkl, model_config.pkl
-
-python app.py
-```
-Mở URL Gradio hiển thị trong terminal.
-
-## Triển khai lên Hugging Face Spaces
-1) Tạo Space mới: SDK = Gradio, chọn CPU hoặc GPU tùy trọng số.
-2) Đẩy các tệp: `app.py`, `flickr30k.py`, `requirements.txt`, `README.md`, và 3 tệp trọng số/cấu hình.
-3) Sau khi build hoàn tất, Space sẽ mở UI upload ảnh và trả caption.
-
-## Ghi chú tương thích
-- Mặc định dùng `tensorflow==2.12.0`. Nếu bạn dùng trọng số huấn luyện ở phiên bản khác, cần đồng bộ phiên bản TensorFlow/Keras tương ứng.
-- Sử dụng `opencv-python-headless` thay vì `opencv-python` để tránh lỗi GUI trên môi trường server.
-- Nếu thiếu tài nguyên trên Space Free, hạ kích thước mô hình hoặc chuyển phần cứng sang GPU trả phí.
+Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference

app.py

@@ -1,233 +0,0 @@
-import os
-import cv2
-import numpy as np
-import pickle
-from PIL import Image
-import matplotlib.pyplot as plt
-import tensorflow as tf
-from tensorflow.keras import layers
-from tensorflow.keras.models import load_model, Model
-from tensorflow.keras.applications import EfficientNetV2B0
-from tensorflow.keras.applications.efficientnet import preprocess_input as efficientnet_preprocess
-from tensorflow.keras.preprocessing.sequence import pad_sequences
-from tensorflow.keras.preprocessing.image import img_to_array
-from tqdm import tqdm
-import random
-from tensorflow.keras.preprocessing.sequence import pad_sequences
-
-import tempfile
-import traceback
-from pathlib import Path
-from huggingface_hub import hf_hub_download
-
-import gradio as gr
-from PIL import Image
-import pickle
-
-
-
-# -----------------------------
-# Custom attention layers
-# -----------------------------
-
-class ChannelAttention(layers.Layer):
-    def __init__(self, ratio=8, **kwargs):
-        super(ChannelAttention, self).__init__(**kwargs)
-        self.ratio = ratio
-
-    def build(self, input_shape):
-        self.gap = layers.GlobalAveragePooling1D()
-        self.gmp = layers.GlobalMaxPooling1D()
-        self.shared_mlp = tf.keras.Sequential([
-            layers.Dense(units=1280 // self.ratio, activation='relu'),
-            layers.Dense(units=1280)
-        ])
-        self.sigmoid = layers.Activation('sigmoid')
-        super(ChannelAttention, self).build(input_shape)
-
-    def call(self, inputs):
-        gap = self.gap(inputs)
-        gmp = self.gmp(inputs)
-        gap_mlp = self.shared_mlp(gap)
-        gmp_mlp = self.shared_mlp(gmp)
-        channel_attention = self.sigmoid(gap_mlp + gmp_mlp)
-        return inputs * tf.expand_dims(channel_attention, axis=1)
-
-    def get_config(self):
-        config = super(ChannelAttention, self).get_config()
-        config.update({'ratio': self.ratio})
-        return config
-
-    @classmethod
-    def from_config(cls, config):
-        return cls(**config)
-
-
-
-class SpatialAttention(layers.Layer):
-    def __init__(self, **kwargs):
-        super(SpatialAttention, self).__init__(**kwargs)
-
-    def build(self, input_shape):
-        self.conv = layers.Conv1D(1, kernel_size=3, padding='same', activation='sigmoid')
-        super(SpatialAttention, self).build(input_shape)
-
-    def call(self, inputs):
-        spatial_attention = self.conv(inputs)
-        return inputs * spatial_attention
-
-    def get_config(self):
-        return super(SpatialAttention, self).get_config()
-
-    @classmethod
-    def from_config(cls, config):
-        return cls(**config)
-
-
-
-# -----------------------------
-# Load model + tokenizer
-# -----------------------------
-
-def load_caption_model(model_path):
-    custom_objects = {
-        'ChannelAttention': ChannelAttention,
-        'SpatialAttention': SpatialAttention
-    }
-    model = load_model(model_path, custom_objects=custom_objects)
-    print("✅ Đã load model thành công!")
-    return model
-
-
-def load_tokenizer_and_config(tokenizer_path, config_path):
-    with open(tokenizer_path, 'rb') as f:
-        tokenizer = pickle.load(f)
-    with open(config_path, 'rb') as f:
-        config = pickle.load(f)
-    return tokenizer, config['max_length'], config['vocab_size']
-
-
-# -----------------------------
-# Feature extractor - EfficientNetV2B0
-# -----------------------------
-
-def load_feature_extractor():
-    base_model = EfficientNetV2B0(include_top=False, weights='imagenet', pooling='avg')
-    return Model(inputs=base_model.input, outputs=base_model.output)
-
-
-def extract_features_from_image(image_path, extractor):
-    image = cv2.imread(image_path)
-    if image is None:
-        print(f"❌ Không đọc được ảnh: {image_path}")
-        return None
-    image = cv2.resize(image, (224, 224))
-    image = img_to_array(image)
-    image = np.expand_dims(image, axis=0)
-    image = efficientnet_preprocess(image)
-    feature = extractor.predict(image, verbose=0)
-    return feature
-
-
-# -----------------------------
-# Generate caption
-# -----------------------------
-
-def generate_caption(model, tokenizer, image_features, max_length):
-    in_text = 'startseq'
-    for _ in range(max_length):
-        sequence = tokenizer.texts_to_sequences([in_text])[0]
-        sequence = pad_sequences([sequence], maxlen=max_length)
-        yhat = model.predict([image_features, sequence], verbose=0)
-        yhat = np.argmax(yhat)
-        word = tokenizer.index_word.get(yhat)
-        if word is None or word == 'endseq':
-            break
-        in_text += ' ' + word
-    return in_text.replace('startseq ', '')
-
-
-# -----------------------------
-# Chạy test
-# -----------------------------
-
-MODEL_REPO = "slyviee/img_cap"
-
-# Khởi tạo tài nguyên toàn cục khi app start
-model_path = hf_hub_download(repo_id=MODEL_REPO, filename="best_model.keras")
-tokenizer_path = hf_hub_download(repo_id=MODEL_REPO, filename="tokenizer.pkl")
-config_path = hf_hub_download(repo_id=MODEL_REPO, filename="model_config.pkl")
-
-model = None
-tokenizer = None
-max_length = None
-vocab_size = None
-extractor = None
-ready = False
-startup_error = ""
-
-
-def _startup():
-    global model, tokenizer, max_length, vocab_size, extractor, ready, startup_error
-    try:
-        # Kiểm tra sự tồn tại của các tệp cần thiết
-        missing = [p for p in [model_path, tokenizer_path, config_path] if not Path(p).exists()]
-        if missing:
-            startup_error = "Thiếu tệp: " + ", ".join(missing)
-            ready = False
-            return
-
-        print("🔄 Đang tải model...")
-        model = load_caption_model(model_path)
-        print("✅ Model đã được tải.")
-
-        print("🔄 Đang tải tokenizer và config...")
-        tokenizer, max_length, vocab_size = load_tokenizer_and_config(tokenizer_path, config_path)
-        print("✅ Tokenizer và config đã được tải.")
-
-        print("🔄 Đang tải feature extractor...")
-        extractor = load_feature_extractor()
-        print("✅ Feature extractor đã được tải.")
-
-        ready = True
-    except Exception as e:
-        startup_error = f"Khởi tạo lỗi: {e}\n{traceback.format_exc()}"
-        ready = False
-
-
-def predict(pil_image: Image.Image):
-    if not ready:
-        return f"Hệ thống chưa sẵn sàng. {startup_error or 'Thiếu model/tokenizer/config.'}"
-
-    try:
-        # Lưu ảnh tạm để tái sử dụng hàm extract_features_from_image (đọc bằng cv2)
-        with tempfile.NamedTemporaryFile(suffix=".jpg", delete=False) as tmp:
-            pil_image.convert("RGB").save(tmp.name, format="JPEG")
-            tmp_path = tmp.name
-
-        features = extract_features_from_image(tmp_path, extractor)
-        os.unlink(tmp_path)
-
-        if features is None:
-            return "Không đọc được ảnh đầu vào."
-        caption = generate_caption(model, tokenizer, features, max_length)
-        return caption
-    except Exception as e:
-        return f"Lỗi trong quá trình dự đoán: {e}\n{traceback.format_exc()}"
-
-DESCRIPTION = (
-    "Upload ảnh và nhận caption sinh ra bởi mô hình. "
-)
-
-demo = gr.Interface(
-    fn=predict,
-    inputs=gr.Image(type="pil", label="Ảnh vào"),
-    outputs=gr.Textbox(label="Caption"),
-    title="Image Captioning — Gradio",
-    description=DESCRIPTION,
-    allow_flagging="never",
-)
-
-if __name__ == '__main__':
-    _startup()
-    demo.launch()

requirements.txt

@@ -1,15 +0,0 @@
-# Core runtime
-tensorflow==2.20
-numpy<2
-pillow>=9.5.0
-opencv-python-headless==4.9.0.80
-matplotlib>=3.7.0
-
-# NLP + metrics
-nltk>=3.8.1
-
-# UI
-gradio>=4.40.0
-
-# Progress bars
-tqdm>=4.66.0