cad feature detection

Обнаружение функции CAD

Минимальное приложение, которое преобразует пошаговые файлы в три.js через PythonoCC и обнаруживает производственные функции с помощью УФ-сети. Модель была обучена набору данных MFCAD, поэтому классификация немного шаткая. Но это передает концепцию.

Этот проект также использует обертку OCCWL вокруг PythonoCC для обработки отображения от BREP до представления графика.

Живую демонстрацию можно найти здесь

Информация о техническом стеке:

• Внешний интерфейс

  • Реагировать
  • Машинопись
  • Реагировать три волокна
  • Tailwind CSS

• Бэкэнд

  • Питон
  • FASTAPI
  • Pythonocc
  • Пирог

• Непрерывно

  • CDK
  • Лямбда
  • Сагиер
  • Докер

Как использовать

Внешний интерфейс

• Запустите Frontend Locally: cd frontend && npm run start

• Создайте производственную сборку: cd frontend && npm run build

• Конфигурация:

  • Создайте файл .env в папке Frontend со следующими полями:

     #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"
    

Бэкэнд

• Запустите Backend Locally: cd backend && uvicorn app.main:app --reload

• Конфигурация:

  • Создайте .ENV в папке backend/app со следующими полями:

     ENDPOINT_NAME="name-of-sagemaker-endpoint"
    

Сагиер

• Обученная модель UVNet включена в репо. Чтобы развернуть модель в SageMaker, установите файл requirements.txt в папке feature_detector, а затем запустите ноутбук. Вы также должны создать файл .env в папке feature_detector со следующими заполненными полями:

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

Непрерывно

• Создайте файл .env в папке Infra для 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"