Update test1.html

test1.html

@@ -5,7 +5,6 @@
     <meta name="viewport" content="width=device-width, initial-scale=1.0">
     <title>Modelo de Preguntas y Respuestas sobre un PDF</title>
     <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>
-    <!-- Cargar PDF.js -->
     <script src="https://cdnjs.cloudflare.com/ajax/libs/pdf.js/2.11.338/pdf.min.js"></script>
     <script>
         // Aseguramos que pdf.js esté cargado antes de configurarlo
@@ -41,8 +40,8 @@
                 // Entrenar el modelo con el texto extraído
                 modelo = await entrenarModelo(textoPDF);
 
-                // Almacenar el modelo en IndexedDB
-                almacenarModeloEnIndexedDB(modelo);
+                // Almacenar los pesos del modelo en IndexedDB
+                almacenarPesosEnIndexedDB(modelo);
             }
         }
 
@@ -72,7 +71,7 @@
             // Utilizar el texto extraído del PDF para crear un modelo simple
             const inputs = tf.tensor([textoPDF.length]);
 
-            // Aquí simplemente estamos creando un modelo muy simple para ilustrar
+            // Crear un modelo simple
             const modelo = tf.sequential();
             modelo.add(tf.layers.dense({ units: 64, inputShape: [1] }));
             modelo.add(tf.layers.dense({ units: 32 }));
@@ -84,8 +83,10 @@
             return modelo;
         }
 
-        // Almacenar el modelo en IndexedDB
-        function almacenarModeloEnIndexedDB(modelo) {
+        // Almacenar los pesos del modelo en IndexedDB
+        async function almacenarPesosEnIndexedDB(modelo) {
+            const pesos = await modelo.getWeights();
+
             const request = indexedDB.open("ModeloPDF", 1);
             request.onupgradeneeded = function (event) {
                 const db = event.target.result;
@@ -97,16 +98,56 @@
                 const db = event.target.result;
                 const transaction = db.transaction(["modelos"], "readwrite");
                 const store = transaction.objectStore("modelos");
-                store.put(modelo, "modeloPDF");
+
+                // Convertir los pesos a un formato serializable (por ejemplo, a un array de floats)
+                const pesosSerializados = pesos.map(peso => peso.arraySync());
+                store.put(pesosSerializados, "modeloPesos");
+
                 transaction.oncomplete = function () {
-                    console.log("Modelo almacenado en IndexedDB");
+                    console.log("Pesos del modelo almacenados en IndexedDB");
                 };
             };
         }
 
+        // Cargar los pesos desde IndexedDB y restaurar el modelo
+        async function cargarModeloDesdeIndexedDB() {
+            const request = indexedDB.open("ModeloPDF", 1);
+            return new Promise((resolve, reject) => {
+                request.onsuccess = function (event) {
+                    const db = event.target.result;
+                    const transaction = db.transaction(["modelos"], "readonly");
+                    const store = transaction.objectStore("modelos");
+
+                    const getRequest = store.get("modeloPesos");
+                    getRequest.onsuccess = async function () {
+                        const pesosSerializados = getRequest.result;
+                        if (pesosSerializados) {
+                            const pesos = pesosSerializados.map(peso => tf.tensor(peso));
+                            // Crear un nuevo modelo con los pesos cargados
+                            const modelo = tf.sequential();
+                            modelo.add(tf.layers.dense({ units: 64, inputShape: [1] }));
+                            modelo.add(tf.layers.dense({ units: 32 }));
+                            modelo.add(tf.layers.dense({ units: 1, activation: 'sigmoid' }));
+                            modelo.setWeights(pesos);
+                            resolve(modelo);
+                        } else {
+                            reject("No se encontraron pesos para el modelo.");
+                        }
+                    };
+                    getRequest.onerror = reject;
+                };
+                request.onerror = reject;
+            });
+        }
+
         // Función para responder una pregunta utilizando el modelo
         async function responderPregunta() {
             const pregunta = document.getElementById("inputPregunta").value;
+            if (!modelo) {
+                // Si no hay modelo, intentar cargarlo desde IndexedDB
+                modelo = await cargarModeloDesdeIndexedDB();
+            }
+
             if (modelo && pregunta) {
                 // Aquí usamos un enfoque simple para tokenizar la pregunta
                 const tokens = pregunta.split(" "); // Simple división en palabras
@@ -123,3 +164,4 @@
 </html>
 
 
+