Update mobilevit.html

mobilevit.html

@@ -6,8 +6,8 @@
     <title>Image Classification - Hugging Face Transformers.js</title>
 
     <script type="module">
-        // Import the library
-        import { pipeline } from 'https://cdn.jsdelivr.net/npm/@xenova/[email protected]';
+        // 허깅페이스의 pipeline 모듈을 import하십시오.
+        // To-Do: ??? 
         // Make it available globally
         window.pipeline = pipeline;
     </script>
@@ -111,7 +111,8 @@
         let classifier;
         // Initialize the sentiment analysis model
         async function initializeModel() {
-            classifier = await pipeline('image-classification', 'Xenova/mobilevit-small', { quantized: false });
+            // pipeline 함수를 이용하여 Xenova/mobilevit-small 모델의 인스턴스를 생성하여 이를 classifier에 저정하십시오. 인스턴스 생성 시 quantized 파라미터의 값을 false로 설정하십시오.
+            // To-Do: ???
         }
         async function classifyImage() {
             const textFieldValue = document.getElementById("imageClassificationURLText").value.trim();
@@ -119,20 +120,24 @@
             document.getElementById("outputArea").innerText = JSON.stringify(result, null, 2);
         }
         async function classifyImageLocal() {
-            const fileInput = document.getElementById("imageClassificationLocalFile");
+            // HTML DOM의 element Id가 imageClassificationLocalFile인 element의 값을 fileInput으로 저장하십시오.
+            // To-Do: const fileInput = ???
+            
             const file = fileInput.files[0];
             if (!file) {
                 alert('Please select an image file first.');
                 return;
             }
-            // Create a Blob URL from the file
+            
             const url = URL.createObjectURL(file);
-            const result = await classifier(url);
+            // classifier에 url을 입력하여 출력된 결과를 result에 저장하십시오. 
+            // To-Do: ???
             document.getElementById("outputAreaLocal").innerText = JSON.stringify(result, null, 2);
         }
         async function classifyTopImage() {
             const textFieldValue = document.getElementById("imageClassificationTopURLText").value.trim();
-            const result = await classifier(textFieldValue, { topk: 3 });
+            // classifier에 textFieldValue를 입력 변수로, topk 파라미터 값을 3으로 설정하여 classifer를 수행하고 그 결과를 result에 저장하십시오.
+            // To-Do: ???
             document.getElementById("outputAreaTop").innerText = JSON.stringify(result, null, 2);
         }
         // Initialize the model after the DOM is completely loaded