# Proof maker

Ez egy túlkomplikált script arra, hogy egy hosszú (akár több órás) hangmintáról megmondja, hogy mekkora arányban azonosítja madárhangnak az SVM alapú MI.

## Hogy működik?

Több lépésből áll a lefutása:
 - Hangminta felszeletelése 1 sec hosszú darabokra (`big_chop.py`)
 - Minták elküldése egy svm-prefilter-service számára (`push_csirip.py`)
 - Átengedett hangminták megszámolása (`evaluation_server.py`)

Az SVM prefilter szolgáltatás ugyanaz, mint ami a felhőben is fut, ezért itt a felhős környezetet emuláljuk le.

A `push_csirip.py` script ugyanolyan formátumban küldi fel a mintákat, ahogy egy birbox tenné. A minta számát az `device_id` mezőbe kódolja (úgy ahogy a TDK-s benchmarkoknál csináltuk). 

A prefilter service fogadja a mintákat, lefutattja az elemzést és ha úgy itéli, akkor továbbítja azokat. 

A továbbított minták a felhő helyett az `evaluation_server.py` által futtatott szolgáltatásba érkezenek, amely egy fájlhoz hozzáfűzi az érkezett minta számát.

A mérés kiértékeléséhez ennek a fájlnak a sorait kell megszámolni és összevetni az elküldött minták számával.


## Futtatás

Hangminták előkészítése:
```bash
python3 big_chop.py [hosszú hang elérése] [minták száma]
```

A kimenet a `big_chop_output` mappába kerül mentésre, a `push_csirip.py` ezt használja.

El kell indítani egy prefilter szervice példányt:
```bash
./run_prefilter_service.sh
```
**Megjegyzés:** Ha podman helyett dockert használunk, akkor át kell írni a fájlban.

El kell indítani az evaluation server-t:
```bash
python3 evaluation_server.py
```

A kimenete az `arrived.txt` fájlba kerül, ha egy előző futás példánya itt maradt, azt le kell törölni előbb, mert hozzáfűzi.

Ha fut a két szolgáltatás, el lehet kezdeni küldeni bele a mintákat:
```bash
python3 push_csirip.py [szünet két küldés között másodpercben]
```