app.py

"""Gradio 웹 데모: Food-101 101개 음식 클래스 분류기.

이 파일은 Hugging Face Spaces에서 자동 실행됩니다 (app_file: app.py).

작동 방식:
    1) 기본값: 허브의 'nateraw/food' 공개 모델 사용
       (Pretrained ResNet + Food-101 fine-tuning으로 ~90% 정확도)
    2) 직접 학습한 MyResNet이 있다면 아래 USE_CUSTOM_RESNET=True로 변경
"""
import torch
import torch.nn.functional as F
import gradio as gr


# ============================================================
# 설정
# ============================================================
USE_CUSTOM_RESNET = False                 # True: 자체 MyResNet 사용
MODEL_ID = "nateraw/food"                 # 또는 "your-username/my-resnet18-food101"


# ============================================================
# 모델 로딩
# ============================================================
print(f"모델 로딩 중: {MODEL_ID}")

if USE_CUSTOM_RESNET:
    # 자체 학습한 MyResNet 불러오기
    from configuration_myresnet import MyResNetConfig
    from modeling_myresnet import MyResNetForImageClassification
    from torchvision.transforms import Compose, Resize, ToTensor, Normalize

    model = MyResNetForImageClassification.from_pretrained(MODEL_ID)
    _transform = Compose([
        Resize((224, 224)),
        ToTensor(),
        Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
    ])

    def preprocess(image):
        return _transform(image.convert("RGB")).unsqueeze(0)

else:
    # 공개 모델 불러오기 (AutoImageProcessor가 전처리 자동 처리)
    from transformers import AutoImageProcessor, AutoModelForImageClassification

    processor = AutoImageProcessor.from_pretrained(MODEL_ID)
    model = AutoModelForImageClassification.from_pretrained(MODEL_ID)

    def preprocess(image):
        inputs = processor(images=image.convert("RGB"), return_tensors="pt")
        return inputs["pixel_values"]


model.eval()
device = "cuda" if torch.cuda.is_available() else "cpu"
model = model.to(device)
id2label = model.config.id2label

print(f"디바이스: {device}")
print(f"클래스 수: {len(id2label)}")


# ============================================================
# 예측 함수
# ============================================================
def classify(image):
    """이미지를 Top-5 음식 클래스로 분류합니다."""
    if image is None:
        return {}

    pixel_values = preprocess(image).to(device)

    with torch.no_grad():
        logits = model(pixel_values=pixel_values).logits
    probs = F.softmax(logits, dim=-1)[0].cpu()

    top5_probs, top5_idx = torch.topk(probs, k=5)

    return {
        id2label[idx.item()].replace("_", " ").title(): float(prob)
        for prob, idx in zip(top5_probs, top5_idx)
    }


# ============================================================
# Gradio UI
# ============================================================
TITLE = "🍽️ Food Image Classifier"

DESCRIPTION = """
음식 사진을 업로드하면 **Food-101** 데이터셋의 101개 음식 중 가장 유사한 것을 찾아 **Top-5** 결과로 보여줍니다.

**지원 음식 예시:** 🍕 Pizza · 🍣 Sushi · 🍔 Hamburger · 🥩 Steak · 🥞 Pancakes · 🍜 Ramen · 🍦 Ice Cream · 🥘 Bibimbap · 🌮 Tacos · 🥟 Gyoza · ...

**모델:** ResNet-18 (Pretrained on ImageNet, Fine-tuned on Food-101)
"""

demo = gr.Interface(
    fn=classify,
    inputs=gr.Image(type="pil", label="음식 이미지 업로드"),
    outputs=gr.Label(num_top_classes=5, label="예측 결과"),
    title=TITLE,
    description=DESCRIPTION,
    flagging_mode="never",
)


if __name__ == "__main__":
    demo.launch()