Introduction
Ce projet vous guide dans le processus de déploiement d'un modèle MobileNetV2 pré-entraîné à l'aide de TensorFlow.js dans une application web Flask. MobileNetV2 est un réseau neuronal profond léger utilisé principalement pour la classification d'images. TensorFlow.js permet d'exécuter des modèles d'apprentissage automatique directement dans le navigateur, permettant d'avoir des applications web interactives. Flask, un framework web Python, servira de backend pour héberger notre application. À la fin de ce projet, vous aurez une application web fonctionnelle qui classifie des images sur le vol à l'aide du modèle MobileNetV2.
👀 Aperçu
🎯 Tâches
Dans ce projet, vous allez apprendre :
- Comment exporter un modèle MobileNetV2 pré-entraîné de Keras au format compatible TensorFlow.js.
- Comment créer une application Flask simple pour servir votre contenu web et votre modèle.
- Comment concevoir une page HTML pour télécharger et afficher des images à classifier.
- Comment utiliser TensorFlow.js pour charger le modèle exporté dans le navigateur.
- Comment prétraiter les images dans le navigateur pour correspondre aux exigences d'entrée de MobileNetV2.
- Comment exécuter le modèle dans le navigateur pour classifier les images et afficher les résultats.
🏆 Réalisations
Après avoir terminé ce projet, vous serez capable de :
- Convertir un modèle Keras pré-entraîné au format utilisable avec TensorFlow.js, permettant aux modèles ML de s'exécuter dans le navigateur.
- Configurer une application Flask et servir du contenu HTML et des fichiers statiques.
- Intégrer TensorFlow.js dans une application web pour effectuer des tâches d'apprentissage automatique côté client.
- Prétraiter les images en JavaScript pour les rendre compatibles avec les exigences d'entrée des modèles de deep learning.
- Faire des prédictions à l'aide d'un modèle de deep learning dans le navigateur et afficher les résultats dynamiquement sur la page web.
