File size: 1,045 Bytes
08797a4 990a10e 08797a4 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 | """Carga model_ts.pt y predice el precio de casas nuevas. No vuelve a entrenar.
Uso:
python cargar.py
"""
import json
from pathlib import Path
import numpy as np
import torch
CARPETA = Path(__file__).parent
ENTRADAS = ["m2", "balcon", "ascensor"]
# La normalización no viaja dentro del archivo: se lee de config.json
config = json.loads((CARPETA / "config.json").read_text(encoding="utf-8"))
media = np.array(config["normalizacion"]["media"], dtype="float32")
desvio = np.array(config["normalizacion"]["desvio"], dtype="float32")
casas_nuevas = np.array([[50, 0, 0], [80, 1, 0], [110, 1, 1]], dtype="float32")
x = torch.tensor((casas_nuevas - media) / desvio)
# No hace falta la clase RegresionLineal: el código del forward viene en el archivo
modelo = torch.jit.load(CARPETA / "model_ts.pt")
with torch.no_grad():
precios = modelo(x).numpy()
for casa, precio in zip([[50, 0, 0], [80, 1, 0], [110, 1, 1]], np.ravel(precios)):
print(f"{dict(zip(ENTRADAS, casa))} -> {precio:.1f} miles de US$")
|