Update app.py

app.py

@@ -1,57 +1,57 @@
-import os
-import torch
-from PIL import Image
-import gradio as gr
-from transformers import BlipProcessor, BlipForConditionalGeneration
-
-# 1. Carregar o modelo BLIP finetuned
-MODEL_DIR = "Frame_30K_gpu_01_ptt"  # Substitua pelo nome correto da pasta do seu modelo
-
-# Verifique se o diretório do modelo existe localmente
-
-processor = BlipProcessor.from_pretrained(MODEL_DIR)
-model = BlipForConditionalGeneration.from_pretrained(MODEL_DIR)
-
-# Mover o modelo para o dispositivo disponível
-device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
-model.to(device)
-
-def generate_caption(image):
-    """
-    Gera uma legenda para a imagem fornecida usando o modelo BLIP finetuned.
-
-    Args:
-        image (PIL.Image.Image): Imagem carregada.
-
-    Returns:
-        str: Legenda gerada.
-    """
-    if image is None:
-        return "Nenhuma imagem fornecida."
-
-    # Preprocessar a imagem
-    inputs = processor(images=image, return_tensors="pt").to(device)
-
-    # Gerar legenda
-    out = model.generate(**inputs)
-    caption = processor.decode(out[0], skip_special_tokens=True)
-    
-    return caption
-
-# Configurar a interface Gradio
-iface = gr.Interface(
-    fn=generate_caption,
-    inputs=gr.Image(type="pil", label="Enviar Imagem"),
-    outputs=gr.Textbox(label="Legenda Gerada"),
-    title="BLIP Português - Geração de Legendas para Imagens",
-    description="Envie uma imagem e o modelo BLIP finetuned em português irá gerar uma legenda descritiva para ela.",
-    examples=[
-        ["examples/image1.jpg"],
-        ["examples/image2.jpg"],
-        ["examples/image3.jpg"],
-    ],
-    allow_flagging="never"
-)
-
-if __name__ == "__main__":
-    iface.launch()
+import os
+import torch
+from PIL import Image
+import gradio as gr
+from transformers import BlipProcessor, BlipForConditionalGeneration
+
+# 1. Carregar o modelo BLIP finetuned
+MODEL_DIR = "Frame_30K_gpu_00_ptt"  # Substitua pelo nome correto da pasta do seu modelo
+
+# Verifique se o diretório do modelo existe localmente
+
+processor = BlipProcessor.from_pretrained(MODEL_DIR)
+model = BlipForConditionalGeneration.from_pretrained(MODEL_DIR)
+
+# Mover o modelo para o dispositivo disponível
+device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+model.to(device)
+
+def generate_caption(image):
+    """
+    Gera uma legenda para a imagem fornecida usando o modelo BLIP finetuned.
+
+    Args:
+        image (PIL.Image.Image): Imagem carregada.
+
+    Returns:
+        str: Legenda gerada.
+    """
+    if image is None:
+        return "Nenhuma imagem fornecida."
+
+    # Preprocessar a imagem
+    inputs = processor(images=image, return_tensors="pt").to(device)
+
+    # Gerar legenda
+    out = model.generate(**inputs)
+    caption = processor.decode(out[0], skip_special_tokens=True)
+    
+    return caption
+
+# Configurar a interface Gradio
+iface = gr.Interface(
+    fn=generate_caption,
+    inputs=gr.Image(type="pil", label="Enviar Imagem"),
+    outputs=gr.Textbox(label="Legenda Gerada"),
+    title="BLIP Português - Geração de Legendas para Imagens",
+    description="Envie uma imagem e o modelo BLIP finetuned em português irá gerar uma legenda descritiva para ela.",
+    examples=[
+        ["examples/image1.jpg"],
+        ["examples/image2.jpg"],
+        ["examples/image3.jpg"],
+    ],
+    allow_flagging="never"
+)
+
+if __name__ == "__main__":
+    iface.launch()