Refactor: request 검증 classification 레이블 없을때 에러 처리

ai/app/api/yolo/model.py

@@ -32,9 +32,6 @@ def get_model_list(project_id:int):
 
 @router.post("/projects/{project_id}", status_code=201)
 def create_model(project_id: int, request: ModelCreateRequest):
-    if request.project_type not in ["segmentation", "detection", "classification"]:
-        raise HTTPException(status_code=400,
-                             detail= f"Invalid type '{request.type}'. Must be one of \"segmentation\", \"detection\", \"classification\".")
     model_key = create_new_model(project_id, request.project_type, request.pretrained)
     return {"model_key": model_key}
 

ai/app/schemas/model_create_request.py

@@ -1,5 +1,6 @@
 from pydantic import BaseModel
+from typing import Literal
 
 class ModelCreateRequest(BaseModel):
-    project_type: str
+    project_type: Literal["segmentation", "detection", "classification"]
     pretrained:bool = True

ai/app/schemas/predict_request.py

@@ -1,5 +1,4 @@
 from pydantic import BaseModel, Field
-from typing import Optional, Union
 
 class ImageInfo(BaseModel):
     image_id: int
@@ -9,7 +8,7 @@ class ImageInfo(BaseModel):
 class PredictRequest(BaseModel):
     project_id: int
     m_key: str = Field("yolo8", alias="model_key")  # model_ 로 시작하는 변수를 BaseModel의 변수로 만들경우 Warning 떠서 m_key로 대체
-    label_map: dict[str, int] = Field(..., description="프로젝트 레이블 이름: 프로젝트 레이블 pk , None일 경우 모델 레이블 카테고리 idx로 레이블링")
+    label_map: dict[str, int] = Field(..., description="프로젝트 레이블 이름: 프로젝트 레이블 pk")
     image_list: list[ImageInfo]  # 이미지 리스트
-    conf_threshold: float = 0.25 # 
+    conf_threshold: float = Field(0.25, gt=0, lt= 1)
-    iou_threshold: float = 0.45
+    iou_threshold: float = Field(0.45, gt=0, lt= 1)

ai/app/schemas/train_report_data.py

@@ -1,7 +1,6 @@
 from pydantic import BaseModel
 
 class ReportData(BaseModel):
-    
     epoch: int          # 현재 에포크
     total_epochs: int   # 전체 에포크
     seg_loss: float     # seg_loss

ai/app/schemas/train_request.py

@@ -1,22 +1,22 @@
 from pydantic import BaseModel, Field
-from typing import List, Optional, Union, Literal
+from typing import Literal
-from schemas.predict_response import LabelData
 
 class TrainDataInfo(BaseModel):
     image_url: str
     data_url: str
 
 class TrainRequest(BaseModel):
-    project_id: int
+    project_id: int = Field(..., gt= 0)
     m_key: str = Field("yolo8", alias="model_key")
-    m_id: int = Field(..., alias="model_id") # 학습 중 에포크 결과를 보낼때 model_id를 보냄
+    m_id: int = Field(..., alias="model_id", gt= 0) # 학습 중 에포크 결과를 보낼때 model_id를 보냄
-    label_map: dict[str, int] = Field(..., description="프로젝트 레이블 이름: 프로젝트 레이블 pk , None일 경우 모델 레이블 카테고리 idx로 레이블링")
+    label_map: dict[str, int] = Field(..., description="프로젝트 레이블 이름: 프로젝트 레이블 pk")
-    data: List[TrainDataInfo]
+    data: list[TrainDataInfo]
-    ratio: float = 0.8 # 훈련/검증 분할 비율
+    ratio: float = Field(0.8, gt=0, lt=1) # 훈련/검증 분할 비율
 
     # 학습 파라미터
-    epochs: int = 50 # 훈련 반복 횟수
+    epochs: int = Field(50, gt= 0, lt = 1000) # 훈련 반복 횟수
-    batch: Union[float, int] = -1 # 훈련 batch 수[int] or GPU의 사용률 자동[float] default(-1): gpu의 60% 사용 유지
+    batch: int = Field(16, gt=0, le = 10000) # 훈련 batch 수[int] or GPU의 사용률 자동[float] default(-1): gpu의 60% 사용 유지
-    lr0: float = 0.01 # 초기 학습 가중치
+    lr0: float = Field(0.01, gt= 0, lt= 1) # 초기 학습 가중치
-    lrf: float = 0.01 # lr0 기준으로 학습 가중치의 최종 수렴치 (ex lr0의 0.01배)
+    lrf: float = Field(0.01, gt= 0, lt= 1) # lr0 기준으로 학습 가중치의 최종 수렴치 (ex lr0의 0.01배)
     optimizer: Literal['auto', 'SGD', 'Adam', 'AdamW', 'NAdam', 'RAdam', 'RMSProp'] = 'auto'
+    

ai/app/utils/file_utils.py

@@ -141,6 +141,10 @@ def process_image_and_label_in_cls(data:TrainDataInfo, dataset_root_path:str, ch
     # 레이블 객체 불러오기
     label = json.loads(urllib.request.urlopen(data.data_url).read())
 
+    if not label["shapes"]:
+        # assert label["shapes"], No Label. Failed Download" # AssertionError 발생
+        print("No Label. Failed Download")
+        return
     label_name = label["shapes"][0]["label"]
 
     label_path = os.path.join(dataset_root_path,child_path,label_name)
@@ -149,8 +153,8 @@ def process_image_and_label_in_cls(data:TrainDataInfo, dataset_root_path:str, ch
     if os.path.exists(label_path):
         urllib.request.urlretrieve(data.image_url, os.path.join(label_path, img_name))
     else:
-        # raise FileNotFoundError("failed download")
+        # raise FileNotFoundError("No Label Category. Failed Download")
-        print("Not Found Label Category. Failed Download")
+        print("No Label Category. Failed Download")
     # 레이블 데이터 중에서 프로젝트 카테고리에 해당되지않는 데이터가 있는 경우 처리 1. 에러 raise 2. 무시(+ warning)