Upload 2 files

app.py

@@ -0,0 +1,36 @@
+import numpy as np
+from fastapi import FastAPI, HTTPException
+from pydantic import BaseModel
+from typing import List
+from tensorflow.keras.models import model_from_json
+from sklearn.preprocessing import StandardScaler
+
+class InputData(BaseModel):
+    data: List[float]  # Lista de características numéricas (flotantes)
+
+app = FastAPI()
+
+# Cargar el modelo desde JSON
+with open("model.json", "r") as json_file:
+    model_json = json_file.read()
+    model = model_from_json(model_json)
+
+# Cargar los pesos en el modelo
+model.load_weights("model_weights.h5")
+
+# Ruta de predicción
+@app.post("/predict/")
+async def predict(data: InputData):
+    try:
+        # Convertir la lista de entrada a un array de NumPy para la predicción
+        input_data = np.array(data.data).reshape(1, -1)
+        
+        # Escalar los datos (asegúrate de que el escalador ha sido entrenado y guardado adecuadamente)
+        scaler = StandardScaler()
+        input_data = scaler.fit_transform(input_data)
+        
+        # Realizar la predicción
+        prediction = model.predict(input_data).round()
+        return {"prediction": prediction.tolist()}
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=str(e))

requirements.txt

@@ -0,0 +1,9 @@
+fastapi
+pydantic
+numpy
+pandas
+matplotlib
+seaborn
+scikit-learn
+tensorflow
+uvicorn