ClementGERARD axelrvite commited on
Commit
d91dae2
·
verified ·
1 Parent(s): 7111901

Update app/main.py (#56)

Browse files

- Update app/main.py (2805a75390c7ba3686765c52b681d579455bb2ab)


Co-authored-by: Axel Rousseau <axelrvite@users.noreply.huggingface.co>

Files changed (1) hide show
  1. app/main.py +10 -5
app/main.py CHANGED
@@ -42,7 +42,12 @@ async def predict(file: UploadFile = File(...)):
42
  # Vérification du type de fichier
43
  if not file.filename.endswith('.csv'):
44
  raise HTTPException(status_code=400, detail="Le fichier doit être au format CSV")
45
-
 
 
 
 
 
46
  # Création d'un fichier temporaire
47
  temp_filename = f"{uuid.uuid4()}_{file.filename}"
48
  temp_filepath = os.path.join(TEMP_DIR, temp_filename)
@@ -56,7 +61,7 @@ async def predict(file: UploadFile = File(...)):
56
  exp_points = read_iv_csv(temp_filepath)
57
 
58
  # Analyse par méthode classique (Random)
59
- fit_random = Fit_IV(temp_filepath, ",", type_fit="RANDOM")
60
  params_random = {
61
  "Rsh": fit_random.params_fit["Rsh"],
62
  "Rs": fit_random.params_fit["Rs"],
@@ -68,7 +73,7 @@ async def predict(file: UploadFile = File(...)):
68
  ssd_random = fit_random.ssd_fit
69
 
70
  # Analyse par méthode génétique
71
- fit_genetique = Fit_IV(temp_filepath, ",", type_fit="GENETIQUE")
72
  params_genetique = {
73
  "Rsh": fit_genetique.params_fit["Rsh"],
74
  "Rs": fit_genetique.params_fit["Rs"],
@@ -80,13 +85,13 @@ async def predict(file: UploadFile = File(...)):
80
  ssd_genetique = fit_genetique.ssd_fit
81
 
82
  # Analyse par MLP
83
- params_mlp, I_mlp = comp_iv_curve(temp_filepath)
84
  # Calcul du SSD pour MLP
85
  I_exp = np.array([point[1] for point in exp_points])
86
  ssd_mlp = np.mean((I_exp - I_mlp) ** 2)
87
 
88
  # Analyse par CNN1D
89
- params_cnn, I_cnn = comp_iv_curve_cnn1d(temp_filepath)
90
  # Calcul du SSD pour CNN
91
  ssd_cnn = np.mean((I_exp - I_cnn) ** 2)
92
 
 
42
  # Vérification du type de fichier
43
  if not file.filename.endswith('.csv'):
44
  raise HTTPException(status_code=400, detail="Le fichier doit être au format CSV")
45
+ name_file = file.filename
46
+ temperature = None
47
+ if name_file.split('_', 1)[0] == "Polyspace" or name_file.split('_', 1)[0] == "polyspace":
48
+ print("temperature", temperature)
49
+ temperature = name_file.rsplit('_', 1)[-1]
50
+
51
  # Création d'un fichier temporaire
52
  temp_filename = f"{uuid.uuid4()}_{file.filename}"
53
  temp_filepath = os.path.join(TEMP_DIR, temp_filename)
 
61
  exp_points = read_iv_csv(temp_filepath)
62
 
63
  # Analyse par méthode classique (Random)
64
+ fit_random = Fit_IV(temp_filepath, ",", type_fit="RANDOM", temperature)
65
  params_random = {
66
  "Rsh": fit_random.params_fit["Rsh"],
67
  "Rs": fit_random.params_fit["Rs"],
 
73
  ssd_random = fit_random.ssd_fit
74
 
75
  # Analyse par méthode génétique
76
+ fit_genetique = Fit_IV(temp_filepath, ",", type_fit="GENETIQUE", temperature)
77
  params_genetique = {
78
  "Rsh": fit_genetique.params_fit["Rsh"],
79
  "Rs": fit_genetique.params_fit["Rs"],
 
85
  ssd_genetique = fit_genetique.ssd_fit
86
 
87
  # Analyse par MLP
88
+ params_mlp, I_mlp = comp_iv_curve(temp_filepath, temperature)
89
  # Calcul du SSD pour MLP
90
  I_exp = np.array([point[1] for point in exp_points])
91
  ssd_mlp = np.mean((I_exp - I_mlp) ** 2)
92
 
93
  # Analyse par CNN1D
94
+ params_cnn, I_cnn = comp_iv_curve_cnn1d(temp_filepath, temperature)
95
  # Calcul du SSD pour CNN
96
  ssd_cnn = np.mean((I_exp - I_cnn) ** 2)
97