a27b74cf22
- Frontend v4 accessible sur réseau local (192.168.1.40) - Ports ouverts: 3002 (frontend), 5001 (backend), 5004 (dashboard) - Ollama GPU fonctionnel - Self-healing interactif - Dashboard confiance Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>
Modèles ML - RPA Vision V3
Ce répertoire contient les modèles de machine learning utilisés par le système.
Modèles Actuels
OpenCLIP (Embeddings)
- Emplacement actuel :
~/.cache/huggingface/hub/models--timm--vit_base_patch32_clip_224.openai - Taille : 578MB
- Usage : Génération d'embeddings image/texte (512D)
- Chargé par :
core/embedding/clip_embedder.py
OWL-v2 (Détection UI)
- Emplacement actuel :
~/.cache/huggingface/hub/models--google--owlv2-base-patch16-ensemble - Taille : 593MB
- Usage : Détection zero-shot d'éléments UI
- Chargé par :
core/detection/owl_detector.py
Qwen3-VL (Raisonnement Visuel)
- Emplacement : Via Ollama (
~/.ollama/models/) - Taille : ~4.7GB
- Usage : Classification et raisonnement visuel
- Chargé par :
core/detection/ollama_client.py
Migration vers Stockage Local
Pour stocker les modèles localement (comme dans la V2), utiliser :
# Pour CLIP
from transformers import CLIPModel
model = CLIPModel.from_pretrained(
"openai/clip-vit-base-patch32",
cache_dir="./models/openclip"
)
# Pour OWL-v2
from transformers import Owlv2ForObjectDetection
model = Owlv2ForObjectDetection.from_pretrained(
"google/owlv2-base-patch16-ensemble",
cache_dir="./models/owl_v2"
)
Vérification
# Vérifier les modèles HuggingFace
du -sh ~/.cache/huggingface/hub/models--*
# Vérifier Ollama
ollama list