:rocket: deploy for HF

.gitignore

@@ -179,10 +179,11 @@ dataset/
 old/
 *.wav
 data/*
-*.pth
+# *.pth
 old/
 # Mac
 .DS_Store
 .idea
 wav2vec2_emotion/
-dataset/
+dataset/
+*.csv

Dockerfile

@@ -1,10 +1,8 @@
 # Use the official Python image from the Docker Hub
-FROM python:3.11-slim
+FROM python:3.12-slim
 
 # Create a new user with a specific UID and switch to it
 RUN useradd -m -u 1000 user
-USER user
-
 # Set the PATH environment variable
 ENV PATH="/home/user/.local/bin:$PATH"
 
@@ -14,6 +12,13 @@ WORKDIR /app
 # Copy the requirements.txt file into the container with the correct ownership
 COPY --chown=user ./requirements.txt requirements.txt
 
+# Switch to root user to install necessary build tools and dependencies
+USER root
+RUN apt-get update && apt-get install -y gcc portaudio19-dev && rm -rf /var/lib/apt/lists/*
+
+# Switch back to the user
+USER user
+
 # Install the dependencies
 RUN pip install --no-cache-dir --upgrade -r requirements.txt
 

README.md

@@ -26,6 +26,7 @@ Ce projet est un tableau de bord basé sur Streamlit pour analyser les journaux
 
 ## Installation
 
+### Locale
 Pour exécuter ce projet localement, suivez ces étapes :
 
 1. Clonez le dépôt :
@@ -44,15 +45,17 @@ Pour exécuter ce projet localement, suivez ces étapes :
     ```sh
     pip install -r requirements.txt
     ```
-    4. Construisez l'image Docker :
-        ```sh
-        docker build -t sise-ultimate-challenge .
-        ```
-
-    5. Exécutez le conteneur Docker :
-        ```sh
-        docker run -p 8501:8501 sise-ultimate-challenge
-        ```
+
+### Docker
+1. Construisez l'image Docker :
+    ```sh
+    docker build -t sise-ultimate-challenge .
+    ```
+
+2. Exécutez le conteneur Docker :
+    ```sh
+    docker run -p 8501:8501 sise-ultimate-challenge
+    ```
 ## Utilisation
 
 Pour démarrer l'application Streamlit, exécutez la commande suivante :

config.py

@@ -21,5 +21,5 @@ DEVICE = "cuda" if torch.cuda.is_available() else "cpu"
 MODEL_NAME = "facebook/wav2vec2-large-xlsr-53-french"
 
 BASE_DIR = os.path.dirname(os.path.abspath(__file__)) 
-BEST_MODEL_NAME = os.path.join(BASE_DIR, "model","fr-speech-emotion-model.pth")  # Monte d'un niveau pour aller à la racine
+BEST_MODEL_NAME = os.path.join(BASE_DIR,"fr-speech-emotion-model.pth")  # Monte d'un niveau pour aller à la racine
 

requirements.txt

@@ -15,5 +15,4 @@ scikit-learn
 huggingface
 huggingface_hub
 pyaudio
-streamlit_audiorec
 dotenv