利用gradio设计一个web运用实现图片主体物的识别。1用户可以通过网页提交一张图片。2web应用将输出这张图片中主体物的名称中英文都可以。3使用预训练的模型VGG19。并对使用的算法进行描述包括数据集、数据输入、输出、模型的结构推理过程训练过程。对系统的实现进行描述包括功能模块划分、程序结构、模型参数、关键程序代码说明部署环境建立发布方式等内容。对系统进行的测试进行描述包括单元测试、识别正确率

算法描述：

• 数据集：使用的是ImageNet数据集，其中包含了1000个类别的图像数据。
• 数据输入：用户通过网页提交一张图片。
• 输出：输出这张图片中主体物的名称（中英文都可以）。
• 模型结构：使用预训练的VGG19模型，它包含19层，其中包括卷积层、池化层和全连接层。
• 推理过程：将用户提交的图片输入到VGG19模型中，通过前向传播计算得到预测结果，即图片中主体物的名称。
• 训练过程：VGG19模型已经在ImageNet数据集上进行了训练，可以直接使用。

系统实现描述：

• 功能模块划分：系统包括前端网页、后端服务器和模型推理三个模块。
• 程序结构：前端网页负责用户界面展示和图片提交，后端服务器接收用户提交的图片并进行预测，模型推理模块使用预训练的VGG19模型进行推理。
• 模型参数：使用预训练的VGG19模型，不需要进行参数调整。
• 关键程序代码说明：前端网页使用HTML、CSS和JavaScript进行设计，后端服务器使用Python编写，模型推理部分使用深度学习框架（如PyTorch或TensorFlow）调用VGG19模型进行预测。
• 部署环境建立：搭建一个Web服务器环境，包括安装Web服务器软件（如Nginx或Apache）、配置服务器环境（如安装Python、深度学习框架等）。
• 发布方式：将前端网页和后端代码部署到Web服务器上，通过域名或IP地址访问网页，用户可以通过网页提交图片并获取预测结果。

系统测试描述：

• 单元测试：对每个功能模块进行单元测试，确保各个模块的功能正常。
• 识别正确率测试：使用一组有标签的测试集进行测试，比较模型预测的结果与真实标签的一致性，计算识别正确率。
• 功能测试：进行功能测试，确保用户可以通过网页提交图片并获取预测结果，验证系统的功能是否正常