Msk7000/Image_Clf_App_Implementation_Comparison
Image Classification Demo — 2015 vs 2025
画像分類デモ — 2015 vs 2025 実装比較
A Gradio app that demonstrates how dramatically machine learning implementation complexity has changed over a decade — using the same task (image → category prediction) as a benchmark.
同じタスク（画像 → カテゴリ予測）を使って、10年間で機械学習の実装コストが いかに変化したかを比較する Gradio デモアプリです。
What This App Does / このアプリについて
Upload any image and get a top-5 category prediction from a pre-trained Vision Transformer (ViT). Alongside the result, the app shows the code required to build the same classifier in 2015 (Theano + NumPy, ~130 lines) versus 2025 (HuggingFace Transformers, 5 lines).
画像をアップロードすると、事前学習済み ViT による上位5件の予測結果を表示します。 あわせて、2015年（Theano + NumPy、約130行） と 2025年（HuggingFace Transformers、5行） の実装コードを左右に並べて比較します。
Implementation Comparison / 実装比較
File Structure / ファイル構成
.
├── app.py # Gradio app — entry point / エントリポイント
├── model_2025.py # 2025 implementation: HuggingFace pipeline (5 lines)
│ # 2025 実装：HuggingFace pipeline（5 行）
├── model_2015.py # 2015 implementation: Theano CNN (reference / 参照用)
├── requirements.txt # Dependencies / 依存パッケージ
└── README.md # This file / このファイルRunning Locally / ローカルでの起動
# 1. Clone / クローン
git clone https://huggingface.co/spaces/<your-username>/image-classification-2015-vs-2025
cd image-classification-2015-vs-2025
# 2. Install dependencies / 依存をインストール
pip install -r requirements.txt
# 3. Launch / 起動
python app.py
# → http://localhost:7860Note / 注意: On first launch, the ViT model (~330 MB) is downloaded from Hugging Face Hub automatically and cached in~/.cache/huggingface/. 初回起動時に ViT モデル（約330 MB）が HuggingFace Hub から自動ダウンロードされ、~/.cache/huggingface/にキャッシュされます。
Hardware / 動作環境
This Space runs on CPU Basic (free tier — no GPU required). ViT-Base inference on CPU typically takes 2–5 seconds per image.
このSpaceは CPU Basic（無料枠）で動作します。GPU は不要です。 CPU 上での ViT-Base 推論は 1 枚あたり 2〜5秒 程度です。
About the 2015 Implementation / 2015年実装について
model_2015.py is reference documentation only — it requires Python 3.8 and Theano 1.0, which are no longer maintained and incompatible with Python 3.9+. The file is included to illustrate the implementation burden of the era.
model_2015.py は 参照用ドキュメント です。Python 3.8 と Theano 1.0 が必要で、 現在はメンテナンスされておらず Python 3.9 以降では動作しません。 当時の実装コストを示す資料として収録しています。
What had to be hand-written in 2015 / 2015年当時に手書きが必要だったもの:
- Weight initialization for each layer / 各層の重み初期化
- Symbolic computation graph (conv → pool → softmax) / シンボルグラフ
- Loss function, gradient computation, SGD update rules / 損失・勾配・SGD更新則
- Theano function compilation / Theano 関数のコンパイル
- Image preprocessing (normalization, CHW transpose) / 画像前処理
- Training loop with manual batch splitting / 手動バッチ分割・学習ループ
- Model save / load / モデルの保存・読み込み
Tech Stack / 技術スタック
License / ライセンス
MIT