llm-image-classifier 1.0.1

Ferramenta de suporte para treinamentoe análise de modelo de classificação de imagem com assistente virtual integrado

Automatic Training of AI Models

🚀 Sua ferramenta No Code para análise e treinamento de modelos de classificação de imagens com suporte inteligente!

Esta aplicação foi criada para simplificar o treinamento e análise de modelos de visão computacional. Com uma interface intuitiva e um assistente virtual integrado, ela é ideal para profissionais e entusiastas de machine learning que desejam focar nos resultados sem a complexidade da configuração técnica.

---

✨ Funcionalidades Principais

• 📂 Upload e configuração de datasets em diferentes formatos, com suporte para configuração manual ou automática.
• ⚙️ Treinamento automatizado de modelos de classificação de imagens como InceptionV3, Xception e outros.
• 📊 Relatórios detalhados com métricas e gráficos que ajudam a visualizar o desempenho do modelo treinado.
• 🤖 Assistente Virtual Inteligente para responder perguntas relacionadas ao treinamento e desempenho do modelo.
• 📥 Download do modelo treinado para utilização em outros projetos.

---

📋 Pré-requisitos

O único pré-requisito para rodar a ferramenta é ter o Python 3.10 ou superior instalado na sua máquina.

---

🔧 Instalação

Você pode instalar a ferramenta de duas formas: através do pacote llm_image_classifier ou clonando este repositório.

1️⃣ Instalando como um pacote Python:

Use o comando abaixo para instalar o pacote diretamente:

pip install llm_image_classifier

2️⃣ Clonando Repositório:

Se preferir, faça o clone do projeto:

git clone https://github.com/sgabriel-santos/automatic-training-of-AI-models.git
cd automatic-training-of-AI-models

▶️ Como Executar

Após instalar o pacote ou clonar o repositório, basta executar o seguinte comando para iniciar a aplicação:

uvicorn llm_image_classifier.main:app

Assim que o servidor for iniciado, acesse a aplicação no navegador pelo link: http://localhost:8000/

🛠️ Como Utilizar a Ferramenta

1. Configuração do Dataset

• Faça upload de datasets em formato ZIP ou configure manualmente.
• Adicione classes e organize os dados diretamente na interface.

2. Treinamento do Modelo

• Selecione o modelo (e.g., InceptionV3).
• Configure hiperparâmetros como número de épocas, batch size e seed.
• Acompanhe o progresso em tempo real.

3. Análise de Resultados

• Visualize métricas de desempenho, matrizes de confusão e gráficos de acurácia e perda.
• Baixe o modelo treinado para reutilizar em outros projetos.

4. Suporte com o Assistente Virtual

• Faça perguntas diretamente ao assistente sobre o treinamento e os resultados obtidos.

🤝 Contribuições

Contribuições são sempre bem-vindas! Se você encontrou um bug ou gostaria de sugerir melhorias, siga os passos abaixo:

1. Faça um fork deste repositório.
2. Crie um branch para suas alterações.
3. Envie um Pull Request.

📄 Licença

Este projeto está sob a licença (MIT) - veja o arquivo LICENSE.md para detalhes.