¡Juguemos Pictionary con IA!
Índice
- Introducción
- Preparación del Entorno de Desarrollo
- 2.1 Instalación de Dependencias
- 2.2 Descarga de Archivos Necesarios
- Definición del Modelo
- Función de Predicción
- Interfaz de Gradio
- Implementación Local
- Implementación en Hugging Face Spaces
- Posibles Mejoras
- Conclusión
- Recursos Adicionales
Introducción
¡Hola a todos! Soy Nate de Hugging Face, y hoy vamos a construir una aplicación para jugar Pictionary utilizando Gradio y PyTorch. Este video se basa en una guía que puedes encontrar en el sitio de Gradio, a la cual proporcionaré un enlace. Nuestro objetivo es ver qué tan bien un algoritmo puede reconocer lo que estamos dibujando. Para lograrlo, utilizaremos un modelo que ya he entrenado utilizando el conjunto de datos Quick Draw, el cual fue lanzado por Google. El conjunto de datos Quick Draw contiene una variedad de imágenes dibujadas a mano de diversos objetos. Si tienes curiosidad, puedes jugar con un cuaderno que utilicé para entrenar este modelo y entrenar el tuyo propio. ¡Mi suposición es que podrías probablemente crear uno mejor, así que adelante!
Preparación del Entorno de Desarrollo
Instalación de Dependencias
Primero, necesitamos instalar las dependencias necesarias. En nuestro caso, requerimos Torch y Gradio.
Descarga de Archivos Necesarios
Descargaremos dos archivos: classnames.txt, que contiene los nombres de las clases asociadas que nuestro modelo pre-entrenado puede reconocer, y pytorch_model.bin, que es el modelo pre-entrenado en sí.
Definición del Modelo
Para cargar nuestro modelo pre-entrenado, necesitamos definirlo en nuestro archivo de aplicación. Utilizaremos el modelo proporcionado por la guía de Gradio.
Función de Predicción
Definiremos la función de predicción que tomará una matriz numpy escalada de 0 a 255 como entrada y devolverá las etiquetas predichas junto con sus probabilidades.
Interfaz de Gradio
Crearemos la interfaz de Gradio para nuestra aplicación, especificando que la entrada será un sketchpad (un área para dibujar) y la salida será la etiqueta predicha. También habilitaremos las predicciones en tiempo real.
Implementación Local
Probaremos nuestra aplicación localmente para asegurarnos de que funcione correctamente.
Implementación en Hugging Face Spaces
Compartiremos nuestra aplicación con el mundo utilizando Hugging Face Spaces, donde podremos jugar con la aplicación en nuestro navegador.
Posibles Mejoras
Este modelo no es perfecto, por lo que te animo a revisar el código de entrenamiento y entrenar uno aún mejor. Puntos extra si logras crear uno que incluya todas las clases del conjunto de datos Quick Draw en lugar de las 100 a las que limité este modelo.
Conclusión
Eso es todo sobre cómo construir una aplicación de Pictionary utilizando Gradio y PyTorch. Si encontraste útil este video, dale un like y considera suscribirte a nuestro canal de YouTube para más contenido como este. También puedes unirte a nuestro servidor de Discord para conectarte con miles de personas interesadas en el aprendizaje automático. ¡Hasta la próxima, gracias por ver!
Recursos Adicionales
WHY YOU SHOULD CHOOSE TOOLIFY
