Tensorflow - 딥러닝 모델 웹화면에 띄우기

우선

 

티처블 머신으로 이미 만들어둔 텐서플로우의 모델과

 

같은 환경을 위해

 

아나콘다 프롬프트에서 같은 환경의 가상환경을 만든다

conda create -n tensor310 python=3.10 openssl numpy scipy matplotlib ipython scikit-learn pandas pillow jupyter seaborn

 

y를 입력하여 설치를 진행시킨다

 

 

 

가상환경이 만들어졌으니  VS코드를 실행시키자

 

우선 app.py를 만들어주고

 

시작의 기본인

 

import streamlit as st

def main():
    pass


if __name__ == '__main__':
    main()

를 적어주고 시작하자

 

 

이제 pass부분을 지우고 본격적으로 시작하자

 

 

타이틀과 서브헤더를 적당히 지어주고

 

 

우리가 해야 할 일을 생각해보자

 

우리가 만들어둔 딥러닝 모델은

 

이미지파일을 input 받아서

그 이미지 파일이

11종류의 음식들로 분류를 예측하는 모델이다

 

 

그렇다면

 

1. 먼저 이미지파일을 업로드 받고

2. 받은 이미지파일을 모델을 사용하여 분류하자

 

 

1. 이미지 파일 업로드 받기

 

file = st.file_uploader('이미지 파일을 업로드 하세요.',type= ['jpg','jpeg','png','webp'])
if file is not None :
    st.image(file)

 

.file_uploader를 통해

이미지 파일을 올려달라는 문구와 함께

타입을 이미지파일로 지정하고

 

그것을 file이라는 변수로 저장

 

이제 file이 존재한다면

file 이라는 이미지파일을 보여주자

 

 

 

 

이렇게 말이다

 

 

다음은

 

 

티처블머신에서 모델을 저장할때 문구로 줬던

from keras.models import load_model  # TensorFlow is required for Keras to work
from PIL import Image, ImageOps  # Install pillow instead of PIL
import numpy as np

 

를 임포트해준뒤에

 

본문내용에

        # Disable scientific notation for clarity

        np.set_printoptions(suppress=True)

        # Load the model

        model = load_model("./model/keras_model.h5", compile=False)

        # Load the labels

        class_names = open("./model/labels.txt", "r", encoding='UTF8').readlines()

        # Create the array of the right shape to feed into the keras model

        # The 'length' or number of images you can put into the array is

        # determined by the first position in the shape tuple, in this case 1

        data = np.ndarray(shape=(1, 224, 224, 3), dtype=np.float32)

        # Replace this with the path to your image

        image = Image.open(file).convert("RGB")

        # resizing the image to be at least 224x224 and then cropping from the center

        size = (224, 224)

        image = ImageOps.fit(image, size, Image.Resampling.LANCZOS)

        # turn the image into a numpy array

        image_array = np.asarray(image)

        # Normalize the image

        normalized_image_array = (image_array.astype(np.float32) / 127.5) - 1

        # Load the image into the array

        data[0] = normalized_image_array

        # Predicts the model

        prediction = model.predict(data)

        index = np.argmax(prediction)

        class_name = class_names[index]

        confidence_score = prediction[0][index]

        # Print prediction and confidence score

        print("Class:", class_name[2:], end="")

        print("Confidence Score:", confidence_score)

 

를 copy & paste하자

 

물론 모델의 저장경로 라던가

 

image 파일의 경로를 이제 업로드 받은 변수 file로 바꿔주는 등

 

약간의 수정이 필요하다

 

 

 

 

 

유저에게 보여주기 위한 멘트도 써주자

 

 

st.info('이 음식은 ' + str( round(confidence_score*100, ndigits=2) )+ '%의 확률로 ' + class_name[2:]+ ' 입니다')

 

라고 입력하여

 

모델이 인식한

가장 높은 확률의 음식종류를 알려주고

그냥 표기하면 0.784561323이런 식으로 나오게되니

사람이 보기 편하게 곱하기 100을 해준뒤에

소수점 2자리까지 반올림하여

78.46% 라고 알 수 있게 해준다

 

 

이런식으로 말이다