coan commited on
Commit
5bcc619
1 Parent(s): 68a170c

Update app.py

Browse files
Files changed (1) hide show
  1. app.py +17 -16
app.py CHANGED
@@ -4,6 +4,7 @@ from sklearn.model_selection import train_test_split
4
  from sklearn.linear_model import LogisticRegression
5
  from joblib import dump, load
6
  import os
 
7
 
8
  # Função para treinar e salvar o modelo
9
  def train_model():
@@ -25,6 +26,18 @@ def train_model():
25
  model_filename = os.path.join(diretorio, "model.pkl")
26
  dump(model, model_filename)
27
 
 
 
 
 
 
 
 
 
 
 
 
 
28
  return f"Modelo treinado e salvo em: {model_filename}"
29
 
30
  # Função para carregar o modelo treinado e fazer previsões
@@ -32,7 +45,10 @@ def predict(input_data):
32
  # Carregar o modelo treinado
33
  model = load("/mnt/data/model.pkl") # Caminho do modelo salvo
34
 
35
- # Realizar a previsão (garantir que a entrada seja formatada corretamente)
 
 
 
36
  prediction = model.predict([input_data]) # input_data deve ser um vetor com as características
37
  return f"Previsão: {prediction[0]}"
38
 
@@ -43,21 +59,6 @@ train_iface = gr.Interface(
43
  outputs=["text"] # Exibe uma mensagem de sucesso
44
  )
45
 
46
- from huggingface_hub import HfApi
47
-
48
- # Autenticação
49
- api = HfApi()
50
- repo_id = "coan/botClaiton" # Substitua pelo seu repositório
51
- model_filename = "/mnt/data/model.pkl" # Caminho do seu modelo
52
-
53
- # Upload do modelo para o repositório
54
- api.upload_file(
55
- path_or_fileobj=model_filename,
56
- path_in_repo="model.pkl", # Nome do arquivo no repositório
57
- repo_id=repo_id,
58
- repo_type="model"
59
- )
60
-
61
  # Interface para previsões
62
  predict_iface = gr.Interface(
63
  fn=predict, # Função para chamar ao gerar previsão
 
4
  from sklearn.linear_model import LogisticRegression
5
  from joblib import dump, load
6
  import os
7
+ from huggingface_hub import HfApi
8
 
9
  # Função para treinar e salvar o modelo
10
  def train_model():
 
26
  model_filename = os.path.join(diretorio, "model.pkl")
27
  dump(model, model_filename)
28
 
29
+ # Fazer upload do modelo para o Hugging Face
30
+ api = HfApi()
31
+ repo_id = "coan/botClaiton" # Substitua pelo seu repositório
32
+
33
+ # Upload do modelo para o repositório Hugging Face
34
+ api.upload_file(
35
+ path_or_fileobj=model_filename,
36
+ path_in_repo="model.pkl", # Nome do arquivo no repositório
37
+ repo_id=repo_id,
38
+ repo_type="model"
39
+ )
40
+
41
  return f"Modelo treinado e salvo em: {model_filename}"
42
 
43
  # Função para carregar o modelo treinado e fazer previsões
 
45
  # Carregar o modelo treinado
46
  model = load("/mnt/data/model.pkl") # Caminho do modelo salvo
47
 
48
+ # Garantir que a entrada seja um vetor (as características)
49
+ input_data = [float(i) for i in input_data.split()]
50
+
51
+ # Realizar a previsão
52
  prediction = model.predict([input_data]) # input_data deve ser um vetor com as características
53
  return f"Previsão: {prediction[0]}"
54
 
 
59
  outputs=["text"] # Exibe uma mensagem de sucesso
60
  )
61
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
62
  # Interface para previsões
63
  predict_iface = gr.Interface(
64
  fn=predict, # Função para chamar ao gerar previsão