Spaces:
Runtime error
Runtime error
Create app.py
Browse files
app.py
ADDED
@@ -0,0 +1,80 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
import gradio as gr
|
2 |
+
from joblib import load
|
3 |
+
import numpy as np
|
4 |
+
|
5 |
+
def scaler_model_selector():
|
6 |
+
path = "E:\\duraton\\sexaje\\_dev\\Aguila real\\model_scaler"
|
7 |
+
file_model = path + '\\classifier.joblib'
|
8 |
+
file_scaler = path + '\\scaler.joblib'
|
9 |
+
model = load(file_model)
|
10 |
+
scaler = load(file_scaler)
|
11 |
+
|
12 |
+
return model, scaler
|
13 |
+
|
14 |
+
|
15 |
+
def calculate_means(L_izda, L_dcha):
|
16 |
+
"""
|
17 |
+
Calcula la media entre "izda L" y "dcha L"
|
18 |
+
"""
|
19 |
+
L_media = np.nanmean([L_izda, L_dcha])
|
20 |
+
return L_media
|
21 |
+
|
22 |
+
def process_inputs(measured_values):
|
23 |
+
'''
|
24 |
+
En la aplicación se introducen estos datos:
|
25 |
+
'L izda'
|
26 |
+
'L dcha'
|
27 |
+
|
28 |
+
El clasificador recibe:
|
29 |
+
L_media
|
30 |
+
|
31 |
+
Parameters
|
32 |
+
----------
|
33 |
+
measured_values : iterable
|
34 |
+
valores introducidos por la aplicacion.
|
35 |
+
|
36 |
+
Returns
|
37 |
+
-------
|
38 |
+
processed_data : numpy array
|
39 |
+
array con los datos procesados y con forma (1,1)
|
40 |
+
para ser leidos por el clasificador
|
41 |
+
|
42 |
+
'''
|
43 |
+
L_izda, L_dcha = measured_values
|
44 |
+
L_media = calculate_means(L_izda, L_dcha)
|
45 |
+
|
46 |
+
processed_data = [L_media]
|
47 |
+
processed_data = np.array([processed_data]).reshape(1, -1)
|
48 |
+
return processed_data
|
49 |
+
|
50 |
+
def classifier(data, model, scaler):
|
51 |
+
data_scaled = scaler.transform(data)
|
52 |
+
pred = model.predict(data_scaled)
|
53 |
+
|
54 |
+
label = ['hembra', 'macho']
|
55 |
+
sexo = label[pred[0]]
|
56 |
+
|
57 |
+
return sexo
|
58 |
+
|
59 |
+
|
60 |
+
def complete_classification(*measured_values):
|
61 |
+
model, scaler = scaler_model_selector()
|
62 |
+
data = process_inputs(measured_values)
|
63 |
+
sexo = classifier(data, model, scaler)
|
64 |
+
|
65 |
+
return sexo
|
66 |
+
|
67 |
+
title = "Clasificador del sexo de águila real"
|
68 |
+
description = """
|
69 |
+
Esta aplicación se ha creado para clasificar el sexo de las águilas reales completamente desarrolladas.
|
70 |
+
El modelo de clasificación se ha entrenado con 31 hembras y 34 machos consiguiendo una precisión del 100%
|
71 |
+
"""
|
72 |
+
demo = gr.Interface(
|
73 |
+
fn=complete_classification,
|
74 |
+
inputs=[gr.Number(label = 'L izda (mm)'),
|
75 |
+
gr.Number(label = 'L dcha (mm)')],
|
76 |
+
outputs="text",
|
77 |
+
title=title,
|
78 |
+
description=description
|
79 |
+
)
|
80 |
+
demo.launch()
|