Manual de Usuario

Docker

Nos traemos la imagen de docker docker pull alvvigsua/pid_app:2.0

Ejecutamos la imagen exponiendo el puerto 8080 docker run -d -p8080:8080 pid_app:2.0

Entramos a la web por localhost localhost8080

Instalacion local

Instalación

Clone

Clonamos el repositorio con: https://github.eii.us.es/alvvigsua/App_segmentacion_imagenes_vision_transformer.git

Renombramos la carpeta como queramos. En este caso le ponemos "nombreApp", por lo que cada vez que veamos nombreApp lo reemplazamos con vuestro nombre

Python

Se requiere una versión de python igual o superior a la 1.10

Entorno virtual

Para no interferir con otros proyectos se recomienda crear un entorno virtual para ejecutar la aplicación.

Instalar el paquete de entornos virtuales

pip install virtualenv

Nos movemos a la carpeta donde hemos hecho el clonado del repositorio y creamos el entorno virtual en la misma carpeta. Esto se hace para que este entorno se cree dentro de la carpeta donde hemos clonado el repositorio.

virtualenv nombreApp

Una vez creamos el entorno entramos en la carpeta donde se ha creado

cd nombreApp

Activamos el entorno

./Scripts/activate

E instalamos los paquetes necesarios

pip install -r .\requirements.txt

Descomprimir archivos

Para usar los modelos hay que descomprimirlos.

Estos se encuentran dentro de la capeta models. Solo hay que descomprimirlos usando 7z, winrar o algo similar.

Esto es necesario ya que los 4 modelos estan partidos en archivos de 100MB por lo que hay que reconstruir los archivos a partir de los comprimidos.

Los archivos con extension .pth deben quedar dentro de la carpeta models donde se encontraban los archivos comprimidos.

Lanzamiento de la Aplicacion web

Para lanzar la aplicacion hay que activar el entorno virtual creado anteriormente.

Este se activa estando en la carpeta y ejecutando: ./Scripts/activate

Luego solo hay que ejecutar con python el archivo runApp.py: python ./runApp.py

Uso

El uso esta todo dentro de la propia aplicación.

alvvigsua/App_segmentacion_imagenes_vision_transformer

About

Resources

Stars

Watchers

Forks

Releases

Languages