Spaces:
Runtime error
Runtime error
| import gradio as gr | |
| from joblib import load | |
| import numpy as np | |
| def scaler_model_selector(): | |
| file_model = 'classifier.joblib' | |
| file_scaler = 'scaler.joblib' | |
| model = load(file_model) | |
| scaler = load(file_scaler) | |
| return model, scaler | |
| def calculate_means(L_izda, L_dcha, DV_izda, DV_dcha): | |
| """ | |
| Calcula la media entre "izda L" y "dcha L" | |
| Calcula la media entre "izda DV" y "dcha DV" | |
| """ | |
| L_media = np.nanmean([L_izda, L_dcha]) | |
| DV_media = np.nanmean([DV_izda, DV_dcha]) | |
| return L_media, DV_media | |
| def process_inputs(measured_values): | |
| ''' | |
| En la aplicaci贸n se introducen de esta manera: | |
| 'L izda' | |
| 'L dcha' | |
| 'DV izda' | |
| 'DV dcha' | |
| 'antebrazo' | |
| 'long pico' | |
| 'alto pico' | |
| 'longitud total' | |
| 'longitud cabeza' | |
| Mientras que los datos han de entrar al classificador en este orden: | |
| long cabeza | |
| longitud total | |
| L_media | |
| alto pico | |
| DV_media | |
| antebrazo | |
| long pico | |
| Parameters | |
| ---------- | |
| measured_values : iterable | |
| valores introducidos por la aplicacion. | |
| Returns | |
| ------- | |
| processed_data : numpy array | |
| array con los datos ordenados y con forma (1,7) | |
| para ser leidos por el clasificador | |
| ''' | |
| L_izda, L_dcha, DV_izda, DV_dcha, \ | |
| antebrazo, long_pico, alto_pico, \ | |
| long_total, long_cabeza= measured_values | |
| L_media, DV_media = calculate_means(L_izda, L_dcha, DV_izda, DV_dcha) | |
| processed_data = [long_cabeza, | |
| long_total, | |
| L_media, | |
| alto_pico, | |
| DV_media, | |
| antebrazo, | |
| long_pico] | |
| processed_data = np.array([processed_data]).reshape(1, -1) | |
| return processed_data | |
| def classifier(data, model, scaler): | |
| data_scaled = scaler.transform(data) | |
| pred = model.predict(data_scaled) | |
| label = ['hembra', 'macho'] | |
| sexo = label[pred[0]] | |
| return sexo | |
| def complete_classification(*measured_values): | |
| model, scaler = scaler_model_selector() | |
| data = process_inputs(measured_values) | |
| sexo = classifier(data, model, scaler) | |
| return sexo | |
| title = "Clasificador del sexo de buitre negro" | |
| description = """ | |
| Esta aplicaci贸n se ha creado para clasificar el sexo de los buitres negros completamente desarrolladas. | |
| El modelo de clasificaci贸n se ha entrenado con 43 machos y 33 hembras condiguiendo una precisi贸n del 92% | |
| """ | |
| demo = gr.Interface( | |
| fn=complete_classification, | |
| inputs=[gr.Number(label = 'L izda (mm)'), | |
| gr.Number(label = 'L dcha (mm)'), | |
| gr.Number(label = 'DV izda (mm)'), | |
| gr.Number(label = 'DV dcha (mm)'), | |
| gr.Number(label = 'antebrazo (cm)'), | |
| gr.Number(label = 'long pico (mm)'), | |
| gr.Number(label = 'alto pico (mm)'), | |
| gr.Number(label = 'longitud total (cm)'), | |
| gr.Number(label = 'longitud cabeza (mm)')], | |
| outputs="text", | |
| title=title, | |
| description=description | |
| ) | |
| demo.launch() |