Une application minimale qui convertit les fichiers d'étape en trois.js via Pythonocc et détecte les fonctionnalités de fabrication avec UV-NET. Le modèle a été formé sur l'ensemble de données MFCAD, donc la classification est un peu bancale. Mais il relaie le concept.
Ce projet utilise également l'emballage OCCWL autour de Pythonocc pour gérer le mappage de BREP à la représentation du graphique.
Une démo en direct peut être trouvée ici
L'extrémité avant
Backend
Infra
Exécutez le frontend localement: cd frontend && npm run start
Créer une construction de production: cd frontend && npm run build
Config:
Créez un fichier .env dans le dossier Frontend avec les champs suivants:
#to set the paths properly the assets folder
PUBLIC_URL="https://yoururl.com or localhost:3000"
# URL for your backend
REACT_APP_API_URL="https://api.yoururl.com or localhost:8080"
Exécutez le backend localement: cd backend && uvicorn app.main:app --reload
Config:
Créez un .env dans le dossier backend/app avec les champs suivants:
ENDPOINT_NAME="name-of-sagemaker-endpoint"
Un modèle UVNET formé est inclus dans le repo. Pour déployer le modèle sur SageMaker, installez le fichier requirements.txt dans le dossier FEARTAGE_DETEctor, puis exécutez le cahier. Vous devez également créer un fichier .env dans le dossier FEARTAT_DETECTER avec les champs suivants peuplés:
SAGEMAKER_EXECUTION_ROLE="sagemaker execution role"
SAGEMAKER_S3_BUCKET="sagemaker s3 bucket to store model.tar.gz file"
Créez un fichier .env dans le dossier infra pour CDK:
DOMAIN="yourdomain.com"
APP_NAME="NameForYourAppInCDK"
API_SUBDOMAIN="sub.domain.for.api"
FE_SUBDOMAIN="fe.subdomain"
FE_BUCKET_NAME="name-for-s3-bucket-for-fe"