Update app.py

app.py

@@ -4,22 +4,23 @@ from transformers import AutoModelForObjectDetection, AutoImageProcessor
 from PIL import Image, ImageDraw
 
 # Definir el repositorio en Hugging Face
-repo_id = "JeanCGuerrero/Practica2"
+repo_id = "facebook/detr-resnet-101"
 
-# Cargar el modelo de Hugging Face
-model = AutoModelForObjectDetection.from_pretrained(repo_id)
+# Cargar el modelo en modo FP16 para mayor velocidad en GPU
+device = "cuda" if torch.cuda.is_available() else "cpu"
+model = AutoModelForObjectDetection.from_pretrained(repo_id).to(device).half()
 image_processor = AutoImageProcessor.from_pretrained(repo_id)
 
 # Función para la inferencia
 def predict(img):
-    img = img.convert("RGB")  # Asegurar que la imagen esté en formato RGB
-    inputs = image_processor(images=img, return_tensors="pt")
+    img = img.convert("RGB")  # Asegurar formato RGB
+    inputs = image_processor(images=img, return_tensors="pt", pin_memory=True).to(device)
 
     with torch.no_grad():
         outputs = model(**inputs)
 
     # Procesar los resultados
-    target_sizes = torch.tensor([img.size[::-1]])
+    target_sizes = torch.tensor([img.size[::-1]], device=device)
     results = image_processor.post_process_object_detection(outputs, threshold=0.5, target_sizes=target_sizes)[0]
 
     # Dibujar las detecciones en la imagen
@@ -41,8 +42,7 @@ gr.Interface(
     fn=predict,
     inputs=gr.Image(type="pil"),
     outputs=[gr.Image(), gr.Text()],
-    title="Detector de Mapaches 🦝",
-    description="Este modelo detecta mapaches en imágenes usando DETR con el dataset Raccoon.",
-    examples=['raccoon-133.jpg', 'raccoon-108.jpg']
+    examples=['raccoon-133.jpg', 'raccoon-108.jpg'],
+    concurrency_limit=2
 ).launch(share=False)