feat (interfaz): Actualizar rutas de acceso a modelo

app.py

@@ -27,6 +27,12 @@ TAMANIO_MAXIMO_MB = 20
 RESOLUCION = (224, 224)
 DISPOSITIVO = "cuda" if torch.cuda.is_available() else "cpu"
 
+RUTAS_MODELOS = {
+    "Modelo_FT": "modelo_v3_hibrido/fine_tuning_parcial/vit_papas_pesos_ft.pt",
+    "Modelo_TL": "modelo_v3_hibrido/transfer_learning/vit_papas_pesos_tl.pt",
+}
+
+
 # Transformaciones de imagen
 TRANSFORMACION = transforms.Compose(
     [
@@ -40,10 +46,9 @@ TRANSFORMACION = transforms.Compose(
 @dataclass
 class ConfigModelo:
     repo_id: str = "Carlos012/vit_papas"
-    nombre_archivo: str = ""
+    nombre_modelo: str = ""
     num_clases: int = 2
     modelo_base: str = "vit_base_patch16_224"
-    nombre_display: str = "Modelo FT"
 
 
 class ClasificadorPapasViT(nn.Module):
@@ -70,10 +75,11 @@ class GestorModelo:
         try:
             # Intentar usar token de variable de entorno
             token = os.getenv("HF_TOKEN")
-
+            nombre_modelo = self._resolver_nombre_modelo()
+            
             ruta_modelo = hf_hub_download(
                 repo_id=self.config.repo_id,
-                filename=self.config.nombre_archivo,
+                filename=nombre_modelo,
                 token=token,
                 repo_type="model",
             )
@@ -117,10 +123,16 @@ class GestorModelo:
 
             print(f"Modelo cargado exitosamente en {DISPOSITIVO}")
             return True
-
+                           
         except Exception as e:
             print(f"Error al cargar modelo: {e}")
             return False
+        
+    def _resolver_nombre_modelo(self) -> str:
+        # utiliza el nombre del modelo para resolver la ruta en HF Hub
+        ruta = RUTAS_MODELOS.get(self.config.nombre_modelo, self.config.nombre_modelo)
+        # normalizar ruta para evitar problemas de formato
+        return ruta.strip().lstrip("/\").replace("\", "/")
 
     @staticmethod
     def _reshape_transform(tensor: torch.Tensor) -> torch.Tensor:
@@ -164,10 +176,10 @@ class ProcesadorImagen:
 
         return True, "OK"
 
+    # función para procesar la imagen con un modelo específico
     def procesar_con_modelo(
         self, imagen_path: str, gestor: GestorModelo, nombre_modelo: str
     ) -> Dict:
-        """Procesa una imagen con un modelo específico"""
         # Cargar modelo si es necesario
         if gestor.modelo is None:
             if not gestor.cargar_modelo():
@@ -212,8 +224,8 @@ class ProcesadorImagen:
         except Exception as e:
             return {"error": f"Error en {nombre_modelo}: {str(e)}"}
 
+    # función para procesar la imagen con ambos modelos y comparar resultados
     def procesar(self, imagen_path: str) -> Dict:
-        """Procesa imagen con ambos modelos y retorna comparación"""
         tiempo_inicio = time.time()
 
         # Validar imagen
@@ -252,12 +264,10 @@ class ProcesadorImagen:
 
 # Instancias globales de los gestores
 config_ft = ConfigModelo(
-    nombre_archivo="modelo_v3_hibrido/fine_tuning_parcial/vit_papas_pesos_ft.pt",
-    nombre_display="Modelo FT",
+    nombre_modelo="Modelo_FT",
 )
 config_tl = ConfigModelo(
-    nombre_archivo="modelo_v3_hibrido/transfer_learning/vit_papas_pesos_tl.pt",
-    nombre_display="Modelo TL",
+    nombre_modelo="Modelo_TL",
 )
 gestor_ft = GestorModelo(config_ft)
 gestor_tl = GestorModelo(config_tl)