Publicar modelo y Model Card

README.md

@@ -0,0 +1,34 @@
+---
+language:
+  - es
+library_name: pytorch
+pipeline_tag: tabular-regression
+tags:
+  - machine-learning
+  - regression
+  - linear-regression
+  - educational-example
+  - torchscript
+license: mit
+---
+
+# PyTorch: exportar en formato TorchScript
+
+Exporta el modelo entrenado en `pytorch-entrenamiento-evaluacion` al formato **TorchScript** (`model_ts.pt`) y lo vuelve a cargar para predecir.
+
+## Cómo correrlo
+
+```bash
+python ../pytorch-entrenamiento-evaluacion/train.py   # si todavía no está entrenado
+python exportar.py
+python cargar.py
+```
+
+## Qué guarda el formato
+
+| | |
+|---|---|
+| **¿Qué guarda?** | los pesos y el código del `forward` |
+| **¿Cómo se carga?** | `torch.jit.load`, sin la clase. |
+| **¿Es seguro abrirlo si viene de un desconocido?** | Sí, no usa pickle. Está *deprecated*: PyTorch recomienda torch.export. |
+| **¿Para qué caso?** | proyectos viejos o C++. Para algo nuevo, torch.export |

cargar.py

@@ -0,0 +1,31 @@
+"""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
+ORIGEN = CARPETA.parent / "pytorch-entrenamiento-evaluacion"
+ENTRADAS = ["m2", "balcon", "ascensor"]
+
+# La normalización no viaja dentro del archivo: se lee de config.json
+config = json.loads((ORIGEN / "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$")

exportar.py

@@ -0,0 +1,36 @@
+"""Exporta el modelo de PyTorch en formato TorchScript: model_ts.pt.
+
+No vuelve a entrenar: parte de ../pytorch-entrenamiento-evaluacion/model.safetensors
+(correr antes ese train.py).
+
+Uso:
+    python exportar.py
+"""
+
+import json
+import sys
+from pathlib import Path
+
+import numpy as np
+import torch
+from safetensors.torch import load_file
+
+CARPETA = Path(__file__).parent
+ORIGEN = Path(__file__).parent.parent / "pytorch-entrenamiento-evaluacion"
+sys.path.insert(0, str(ORIGEN))
+from modelo import RegresionLineal  # noqa: E402
+
+# La normalización no viaja dentro del archivo: se lee de config.json
+config = json.loads((ORIGEN / "config.json").read_text(encoding="utf-8"))
+media = np.array(config["normalizacion"]["media"], dtype="float32")
+desvio = np.array(config["normalizacion"]["desvio"], dtype="float32")
+
+modelo = RegresionLineal(n_entradas=len(config["entradas"]))
+modelo.load_state_dict(load_file(ORIGEN / "model.safetensors"))
+modelo.eval()
+
+# trace pasa un ejemplo por el modelo y graba las operaciones que se ejecutan.
+# En PyTorch nuevo muestra un aviso de deprecated: recomiendan torch.export.
+ejemplo = torch.zeros(1, 3)
+torch.jit.trace(modelo, ejemplo).save(CARPETA / "model_ts.pt")
+print("Modelo guardado en model_ts.pt")

model_ts.pt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:d0ecc8e75969f8dcc1aab653945d52155838cce4e2e81af062ef986e746bbbec
+size 4258

requirements.txt

@@ -0,0 +1,3 @@
+torch>=2.1
+safetensors
+numpy