README.md

# 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.