1234

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

.
├── 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

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.