amandaodoo commited on
Commit
5512eb9
·
verified ·
1 Parent(s): f40d28c

Publicar modelo y Model Card

Browse files
Files changed (7) hide show
  1. README.md +8 -0
  2. cargar.py +1 -2
  3. config.json +21 -0
  4. exportar.py +6 -0
  5. model.pt2 +0 -0
  6. predict_hub.py +34 -0
  7. requirements.txt +1 -0
README.md CHANGED
@@ -24,6 +24,14 @@ python exportar.py
24
  python cargar.py
25
  ```
26
 
 
 
 
 
 
 
 
 
27
  ## Qué guarda el formato
28
 
29
  | | |
 
24
  python cargar.py
25
  ```
26
 
27
+ ## Usar el modelo desde el Hub
28
+
29
+ Esta carpeta se puede subir tal cual como repositorio de modelo (desde la raíz: `python publicar_en_hub.py 00-formatos-exportacion/pytorch-exportar-torch-export`). Después, desde cualquier PC:
30
+
31
+ ```bash
32
+ python predict_hub.py tu-usuario/casas-pytorch-exportar-torch-export
33
+ ```
34
+
35
  ## Qué guarda el formato
36
 
37
  | | |
cargar.py CHANGED
@@ -11,11 +11,10 @@ import numpy as np
11
  import torch
12
 
13
  CARPETA = Path(__file__).parent
14
- ORIGEN = CARPETA.parent / "pytorch-entrenamiento-evaluacion"
15
  ENTRADAS = ["m2", "balcon", "ascensor"]
16
 
17
  # La normalización no viaja dentro del archivo: se lee de config.json
18
- config = json.loads((ORIGEN / "config.json").read_text(encoding="utf-8"))
19
  media = np.array(config["normalizacion"]["media"], dtype="float32")
20
  desvio = np.array(config["normalizacion"]["desvio"], dtype="float32")
21
 
 
11
  import torch
12
 
13
  CARPETA = Path(__file__).parent
 
14
  ENTRADAS = ["m2", "balcon", "ascensor"]
15
 
16
  # La normalización no viaja dentro del archivo: se lee de config.json
17
+ config = json.loads((CARPETA / "config.json").read_text(encoding="utf-8"))
18
  media = np.array(config["normalizacion"]["media"], dtype="float32")
19
  desvio = np.array(config["normalizacion"]["desvio"], dtype="float32")
20
 
config.json ADDED
@@ -0,0 +1,21 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "arquitectura": "RegresionLineal (torch.nn.Linear)",
3
+ "entradas": [
4
+ "m2",
5
+ "balcon",
6
+ "ascensor"
7
+ ],
8
+ "salida": "precio (miles de US$)",
9
+ "normalizacion": {
10
+ "media": [
11
+ 78.51875305175781,
12
+ 0.46875,
13
+ 0.512499988079071
14
+ ],
15
+ "desvio": [
16
+ 23.397640228271484,
17
+ 0.4990224838256836,
18
+ 0.4998437762260437
19
+ ]
20
+ }
21
+ }
exportar.py CHANGED
@@ -8,6 +8,7 @@ Uso:
8
  """
9
 
10
  import json
 
11
  import sys
12
  from pathlib import Path
13
 
@@ -35,3 +36,8 @@ ejemplo = torch.zeros(2, 3)
35
  programa = torch.export.export(modelo, (ejemplo,), dynamic_shapes=({0: torch.export.Dim("casas")},))
36
  torch.export.save(programa, CARPETA / "model.pt2")
37
  print("Modelo guardado en model.pt2")
 
 
 
 
 
 
8
  """
9
 
10
  import json
11
+ import shutil
12
  import sys
13
  from pathlib import Path
14
 
 
36
  programa = torch.export.export(modelo, (ejemplo,), dynamic_shapes=({0: torch.export.Dim("casas")},))
37
  torch.export.save(programa, CARPETA / "model.pt2")
38
  print("Modelo guardado en model.pt2")
39
+
40
+ # Se copian al lado del modelo: así la carpeta se puede subir sola al Hub
41
+ for archivo in ["config.json"]:
42
+ shutil.copy(ORIGEN / archivo, CARPETA / archivo)
43
+ print("Copiados: config.json")
model.pt2 CHANGED
Binary files a/model.pt2 and b/model.pt2 differ
 
predict_hub.py ADDED
@@ -0,0 +1,34 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ """Descarga el modelo desde Hugging Face Hub y predice EN ESTA PC.
2
+
3
+ Baja model.pt2 + config.json. El modelo vive en el Hub; la inferencia la hace este código.
4
+
5
+ No hace falta la clase RegresionLineal: se carga el programa exportado.
6
+
7
+ Uso:
8
+ python predict_hub.py tu-usuario/casas-pytorch-exportar-torch-export
9
+ """
10
+
11
+ import json
12
+ import sys
13
+
14
+ import numpy as np
15
+ import torch
16
+ from huggingface_hub import hf_hub_download
17
+
18
+ REPO_ID = sys.argv[1] if len(sys.argv) > 1 else "TU-USUARIO/casas-pytorch-exportar-torch-export"
19
+
20
+ # La primera vez descarga el archivo; después usa la copia en caché
21
+ casas_nuevas = np.array([[50, 0, 0], [80, 1, 0], [110, 1, 1]], dtype="float32")
22
+ with open(hf_hub_download(repo_id=REPO_ID, filename="config.json"), encoding="utf-8") as f:
23
+ config = json.load(f)
24
+ media = np.array(config["normalizacion"]["media"], dtype="float32")
25
+ desvio = np.array(config["normalizacion"]["desvio"], dtype="float32")
26
+ x = torch.tensor((casas_nuevas - media) / desvio)
27
+
28
+ modelo = torch.export.load(hf_hub_download(repo_id=REPO_ID, filename="model.pt2")).module()
29
+ with torch.no_grad():
30
+ precios = modelo(x).numpy()
31
+
32
+ ENTRADAS = ["m2", "balcon", "ascensor"]
33
+ for casa, precio in zip([[50, 0, 0], [80, 1, 0], [110, 1, 1]], np.ravel(precios)):
34
+ print(f"{dict(zip(ENTRADAS, casa))} -> {precio:.1f} miles de US$")
requirements.txt CHANGED
@@ -1,3 +1,4 @@
1
  torch>=2.1
2
  safetensors
3
  numpy
 
 
1
  torch>=2.1
2
  safetensors
3
  numpy
4
+ huggingface_hub # para predict_hub.py