Refactoriza selección de tipo de modelo y limpia imports en app.py y evaluation.py

app.py

@@ -1,14 +1,4 @@
-import torch
-import torch.nn as nn
-from torchvision import models
-import gradio as gr
-import os
-from torch.utils.data import Dataset, DataLoader
-from torchvision import transforms
-from safetensors.torch import load_model
-from datasets import load_dataset
-from models import FromZero, PreTrained
-
+import gradio as gr
 from utils import cargar_etiquetas
 from dataset import cargar_dataset
 from evaluation import evaluate_interface
@@ -29,11 +19,13 @@ demo = gr.Interface(
     fn=interface_wrapper,
     inputs=[
         gr.File(label="Archivo del modelo (.safetensor)"),
-        gr.Radio(["tarea_7", "tarea_8"], label="Tipo de modelo", value="tarea_7"),
+        gr.Radio(
+            ["pre_entrenado", "desde_cero"], label="Tipo de modelo", value="desde_cero"
+        ),
     ],
     outputs=gr.Textbox(label="Resultado", lines=1),
-    title="Evaluador de Tareas 7 y 8",
-    description="Carga un archivo .safetensor de la tarea 7 o 8 y evalúa su precisión en el conjunto de datos de evaluación.",
+    title="Evaluador de modelos pre-entrenado y desde cero",
+    description="Carga un archivo .safetensor y evalúa su precisión en el conjunto de datos de evaluación.",
 )
 
 if __name__ == "__main__":

evaluation.py

@@ -6,9 +6,9 @@ from utils import multiclass_accuracy
 
 def cargar_evaluar_modelo(archivo, tipo_modelo, num_clases, test_dataloader):
     try:
-        if tipo_modelo == "tarea_7":
+        if tipo_modelo == "pre_entrenado":
             modelo = PreTrained(num_clases)
-        elif tipo_modelo == "tarea_8":
+        elif tipo_modelo == "desde_cero":
             modelo = FromZero(num_clases)
 
         load_model(modelo, archivo)