Modelo de clasificación de imágenes en aplicación Flask

Reto Deep Learning

Pre-requisitos

Se utilizó el lenguaje Python 3.7 en Linux para la solución del reto:

Tener instaladas las librerias predeterminadas de Anaconda3 https://www.anaconda.com/distribution/
Tener instalado las dependencias de pytorch: https://pytorch.org/get-started/locally/
Tener instalado la librería Flask: https://flask.palletsprojects.com/en/1.1.x/installation/
Tener instalado OpenCV: https://docs.opencv.org/3.4/d2/de6/tutorial_py_setup_in_ubuntu.html

Se instaló el programa ngrok: https://ngrok.com/download Tener activado el entorno anaconda activado

Pasos

1. Pre-procesamiento:

1.1 Abrir Jupyter Notebook

$ jupyter notebook

1.2 Ejecutar el archivo ./Preprocesamiento/PreprocessingImages.ipynb para analizar las imágenes y tomar decisiones con respecto a qué técnicas usar para el pre-procesamiento de imágenes.

1.3 Ejecutar el archivo ./Preprocesamiento/SplitTrainAndTest.ipynb para dividir la data en entrenamiento y pruebas para su posterior validación en la fase de entrenamiento

1.4 Ejecutar el archivo ./Preprocesamiento/SortingDatabaseInFolders.ipynb para dar formato a las imágenes y así, durante el entrenamiento, pasarlas a clasificar mediante la clase ImageFolder

2. Entrenamiento:

2.1 Ejecutar el archivo ./Preprocesamiento/train.ipynb para entrenar el modelo propuesto con la data del reto

3. Desplegar servicio Web

3.1 Desplegar el framework Flask mediante el comando:

$ flask run

3.2 Desplegar ngrok mediante el siguiente comando en la carpeta donde se encuentra instalado ngrok (para evitar abrir otro terminal puedes separar el proceso actual con Ctrl-A+Ctrl-D)

$ ./ngrok http 5000

3.3 Copiar el enlace web de ngrok 3.4 Para correr el test de prueba, abrir un navegador web e introducir el siguiente enlace: codigo.ngrok.io/API/test2.csv