PlateUNLP

Ejecucion en Docker

Requerimientos

• Docker

Preparacion

Para la correcta ejecución de los contenedores debe tener preparado un archivo .env que asigne valores adecuados a las variables de entorno que requiere el arhivo docker-compose.yml.

Para su creacion puede duplicar el archivo .env.sample que esta en la carpeta raiz del repositorio,cambiarle el nombre a .env y modificar las variables que declara segun las necesidades de su equipo.

Ejecucion

Para levantar el conjunto de contenedores ejecutar:

docker compose --env-file=.env up

En caso de que lo que quiera sea actualizar los contenedores agregue al final el tag --build, tal que asi:

docker compose --env-file=.env up --build

Acceso a la app

Una vez levantado el entorno de produccion puede acceder al la aplicacion desde localhost:5000.

Tambien puede acceder a la API expuesta por el backend desde localhost:20500

Ejecucion sin docker

Requerimientos

Backend

• Python (v3.8)

Frontend

• Node js (v12.22.7)
• Visual Studio BuildTools

Instalación de dependencias

Backend

Para instalar las dependencias del backend pocisionarse en la carpeta /backend, activar el entorno virtual en caso de que se emplee y ejecutar:

pip install -r requirements.txt

Frontend

Para instalar las dependencias del frontend es necesario posicionarse en la carpeta /frontend y ejecutar:

npm install

Patchear la clase Upsample de PyTorch (Pre 1.3)

La versión de YOLO utilizada el modelo entrenado depende de un parámetro de PyTorch de la clase Upsample que no existe más. Un fix temporal es reemplazar la línea 152 (de la versión 1.12 de PyTorch) del archivo torch.nn.modules.upsampling.py quitando el parámetro recompute_scale_factor, de modo que la línea queda:

def forward(self, input: Tensor) -> Tensor:
        return F.interpolate(input, self.size, self.scale_factor, self.mode, self.align_corners)

SetUp

Crear un archivo db.json en la carpeta backend/app/static/config, y configurar el campo workspace_path para que apunte a la carpeta donde están/se pondrán los archivos tiff a procesar, y se guardarán sus metadatos y resultados. Se puede utilizar el archivo db.json.example como ejemplo. Por defecto, este archivo apunta al directorio test_db. que tiene archivos de ejemplo para probar el sistema.

Ejecutar el software en desarrollo

En la carpeta /backend una vez activado el entorno virtual, ejecutar:

python run.py

En la carpeta /frontend, ejecutar:

npm run dev

Accediendo desde el navegador a localhost:5000 se podrá ver la interfaz gráfica del software.

Ejecutar el software en producción

Para ejecutar el software en producción se debe posicionar en la carpeta /frontend y ejecutar el siguiente comando:

npm run pm2-start

Se dispone de los siguientes scripts: pm2-start, pm2-stop, pm2-restart,pm2-reload y pm2-delete.

Accediendo desde el navegador a localhost:5000 se podrá ver la interfaz gráfica del software.

Links de interes

• proyecto de Recuperación del Trabajo Observacional Historico (ReTrOH)