Create app.py
Browse files
app.py
ADDED
@@ -0,0 +1,85 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
import gradio as gr
|
2 |
+
import numpy as np
|
3 |
+
import tensorflow as tf
|
4 |
+
from tensorflow.keras.models import load_model
|
5 |
+
from tensorflow.keras.optimizers import Adam
|
6 |
+
|
7 |
+
# Configurar TensorFlow en modo compatibilidad (para evitar algunos warnings)
|
8 |
+
tf.compat.v1.logging.set_verbosity(tf.compat.v1.logging.ERROR)
|
9 |
+
|
10 |
+
# Cargar el modelo entrenado
|
11 |
+
model = load_model('colchones/modelo_colchones.h5') # Aseg煤rate de tener el archivo del modelo correcto y la ruta adecuada
|
12 |
+
|
13 |
+
# Compilaci贸n del modelo
|
14 |
+
optimizer = Adam(learning_rate=0.001)
|
15 |
+
model.compile(optimizer=optimizer, loss='sparse_categorical_crossentropy', metrics=['accuracy'])
|
16 |
+
|
17 |
+
# Forzar la construcci贸n de m茅tricas
|
18 |
+
model.built = True
|
19 |
+
|
20 |
+
# Funci贸n para realizar la predicci贸n
|
21 |
+
def predict(firmeza, tama帽o, posici贸n, presupuesto):
|
22 |
+
# Convertir las opciones seleccionadas a n煤meros
|
23 |
+
firmeza_dict = {'Suave': 0, 'Media': 1, 'Firme': 2}
|
24 |
+
tama帽o_dict = {'Individual': 0, 'Matrimonial': 1, 'Queen': 2, 'King': 3}
|
25 |
+
posici贸n_dict = {'Lateral': 0, 'Espalda': 1, 'Est贸mago': 2}
|
26 |
+
presupuesto_dict = {'Bajo': 0, 'Medio': 1, 'Alto': 2}
|
27 |
+
|
28 |
+
colchon_data = [
|
29 |
+
firmeza_dict.get(firmeza, 0),
|
30 |
+
tama帽o_dict.get(tama帽o, 0),
|
31 |
+
posici贸n_dict.get(posici贸n, 0),
|
32 |
+
presupuesto_dict.get(presupuesto, 0),
|
33 |
+
firmeza_dict.get(firmeza, 0),
|
34 |
+
presupuesto_dict.get(presupuesto, 0)
|
35 |
+
]
|
36 |
+
|
37 |
+
# Realizar la predicci贸n
|
38 |
+
X_pred = np.array([colchon_data]) # Convertir a un arreglo numpy
|
39 |
+
prediction = model.predict(X_pred)
|
40 |
+
predicted_class = np.argmax(prediction)
|
41 |
+
|
42 |
+
tipos_colchones = ['Muelles Bic贸nicos', 'L谩tex', 'Muelles Ensacados', 'Espumaci贸n HR', 'H铆brido']
|
43 |
+
imagenes_colchones = {
|
44 |
+
0: 'colchones/static/images/muelles_biconicos.jpeg',
|
45 |
+
1: 'colchones/static/images/latex.jpg',
|
46 |
+
2: 'colchones/static/images/muelle_ensacado.jpg',
|
47 |
+
3: 'colchones/static/images/espumacion_hr.jpg',
|
48 |
+
4: 'colchones/static/images/hibrido.jpg'
|
49 |
+
}
|
50 |
+
|
51 |
+
return tipos_colchones[predicted_class], imagenes_colchones.get(predicted_class)
|
52 |
+
|
53 |
+
# Definir las opciones para cada caracter铆stica
|
54 |
+
firmeza_options = ['Suave', 'Media', 'Firme']
|
55 |
+
tama帽o_options = ['Individual', 'Matrimonial', 'Queen', 'King']
|
56 |
+
posici贸n_options = ['Lateral', 'Espalda', 'Est贸mago']
|
57 |
+
presupuesto_options = ['Bajo', 'Medio', 'Alto']
|
58 |
+
|
59 |
+
# Crear la interfaz de Gradio
|
60 |
+
with gr.Blocks() as demo:
|
61 |
+
gr.Markdown("# Predicci贸n de Tipo de Colch贸n")
|
62 |
+
firmeza = gr.Dropdown(choices=firmeza_options, label='Firmeza')
|
63 |
+
tama帽o = gr.Dropdown(choices=tama帽o_options, label='Tama帽o')
|
64 |
+
posici贸n = gr.Dropdown(choices=posici贸n_options, label='Posici贸n de dormir')
|
65 |
+
presupuesto = gr.Dropdown(choices=presupuesto_options, label='Presupuesto')
|
66 |
+
recomendacion = gr.Textbox(label='Tipo de Colch贸n Recomendado')
|
67 |
+
imagen = gr.Image(label='Imagen del Colch贸n', type='filepath', visible=False)
|
68 |
+
|
69 |
+
def make_prediction(firmeza, tama帽o, posici贸n, presupuesto):
|
70 |
+
tipo_colchon, img_colchon = predict(firmeza, tama帽o, posici贸n, presupuesto)
|
71 |
+
return tipo_colchon, gr.update(value=img_colchon, visible=True)
|
72 |
+
|
73 |
+
def clear_image(*args):
|
74 |
+
return '', gr.update(value=None, visible=False)
|
75 |
+
|
76 |
+
firmeza.change(clear_image, inputs=[firmeza, tama帽o, posici贸n, presupuesto], outputs=[recomendacion, imagen])
|
77 |
+
tama帽o.change(clear_image, inputs=[firmeza, tama帽o, posici贸n, presupuesto], outputs=[recomendacion, imagen])
|
78 |
+
posici贸n.change(clear_image, inputs=[firmeza, tama帽o, posici贸n, presupuesto], outputs=[recomendacion, imagen])
|
79 |
+
presupuesto.change(clear_image, inputs=[firmeza, tama帽o, posici贸n, presupuesto], outputs=[recomendacion, imagen])
|
80 |
+
|
81 |
+
btn = gr.Button("Recomendar")
|
82 |
+
btn.click(fn=make_prediction, inputs=[firmeza, tama帽o, posici贸n, presupuesto], outputs=[recomendacion, imagen])
|
83 |
+
|
84 |
+
# Ejecutar la aplicaci贸n
|
85 |
+
demo.launch()
|