cad feature detection

CAD 기능 감지

단계 파일을 Pythonocc를 통해 3.js로 변환하고 UV-NET로 제조 기능을 감지하는 최소 앱. 이 모델은 MFCAD 데이터 세트에 대해 교육을 받았으므로 분류는 약간 원조합니다. 그러나 그것은 개념을 전달합니다.

이 프로젝트는 또한 Brep에서 그래프 표현으로의 매핑을 처리하기 위해 Pythonocc 주변의 Occwl 래퍼를 사용합니다.

라이브 데모는 여기에서 찾을 수 있습니다

기술 스택 정보 :

• 프론트 엔드

  • 반응
  • TypeScript
  • 반응 3 개 섬유
  • 테일 윈드 CSS

• 백엔드

  • 파이썬
  • Fastapi
  • Pythonocc
  • Pytorch

• 인프라

  • CDK
  • 람다
  • SAGEMAKER
  • 도커

사용 방법

프론트 엔드

• 현지에서 프론트 엔드 실행 : cd frontend && npm run start

• 생산 빌드 생성 : cd frontend && npm run build

• 구성 :

  • 다음 필드가있는 Frontend 폴더에서 .env 파일을 만듭니다.

     #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"
    

백엔드

• 로컬로드 실행 : cd backend && uvicorn app.main:app --reload

• 구성 :

  • 다음 필드가있는 backend/app 폴더에서 .env를 만듭니다.

     ENDPOINT_NAME="name-of-sagemaker-endpoint"
    

SAGEMAKER

• 훈련 된 UVNET 모델이 Repo에 포함되어 있습니다. SAGEMAKER에 모델을 배포하려면 feature_detector 폴더에 requirements.txt 을 설치 한 다음 노트북을 실행하십시오. 다음 필드가 채워진 기능 _detector 폴더에 .env 파일을 만들어야합니다.

   SAGEMAKER_EXECUTION_ROLE="sagemaker execution role"
  SAGEMAKER_S3_BUCKET="sagemaker s3 bucket to store model.tar.gz file"
  

인프라

• CDK 용 인프라 폴더에서 .env 파일을 만듭니다.

   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"