| """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"]
|
|
|
|
|
| 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)
|
|
|
|
|
| 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$")
|
|
|
