Update interface.py

interface.py

@@ -5,8 +5,6 @@ import pandas as pd
 import matplotlib.pyplot as plt
 from PIL import Image
 import io
-from transformers import pipeline
-import torch
 
 from bioprocess_model import BioprocessModel
 from decorators import gpu_decorator  # Asegúrate de que la ruta es correcta
@@ -30,31 +28,11 @@ def parse_bounds(bounds_str, num_params):
 
 @gpu_decorator(duration=300)
 def generate_analysis(prompt, max_length=1024, device=None):
-    """
-    Genera un análisis detallado utilizando un modelo de lenguaje de Hugging Face.
-
-    :param prompt: Texto de entrada para el análisis.
-    :param max_length: Longitud máxima del texto generado.
-    :param device: Dispositivo a utilizar ('cpu' o 'cuda').
-    :return: Texto generado por el modelo de lenguaje.
-    """
-    try:
-        # Seleccionar el dispositivo
-        if device and torch.cuda.is_available():
-            device_num = 0  # Cambia esto si tienes múltiples GPUs
-        else:
-            device_num = -1  # CPU
-
-        # Inicializar el pipeline de generación de texto
-        generator = pipeline('text-generation', model='gpt2', device=device_num)
-
-        # Generar el análisis
-        analysis = generator(prompt, max_length=max_length, num_return_sequences=1, temperature=0.7)[0]['generated_text']
-
-        return analysis
-    except Exception as e:
-        print(f"Error al generar el análisis: {e}")
-        return "Error al generar el análisis."
+    # Implementación existente para generar análisis usando Hugging Face o similar
+    # Por ejemplo, podrías usar un modelo de lenguaje para generar texto
+    # Aquí se deja como placeholder
+    analysis = "Análisis generado por el modelo de lenguaje."
+    return analysis
 
 @gpu_decorator(duration=600)  # Ajusta la duración según tus necesidades
 def process_and_plot(
@@ -236,25 +214,16 @@ def process_and_plot(
     buf.seek(0)
     image = Image.open(buf)
 
-    # Crear el prompt para el análisis
     prompt = f"""
-    Eres un experto en modelado de bioprocesos.
-
-    A continuación se presentan los resultados de los modelos ajustados para Biomasa, Sustrato y Producto:
-
-    **Biomasa:**
-    {biomass_results}
-
-    **Sustrato:**
-    {substrate_results}
-
-    **Producto:**
-    {product_results}
-
-    Analiza la calidad de cada modelo basándote en los valores de R² y RMSE. Proporciona un veredicto sobre la adecuación de los modelos y sugiere posibles mejoras o ajustes si es necesario.
-    """
-
-    # Generar el análisis utilizando el modelo de lenguaje
+Eres un experto en modelado de bioprocesos.
+Analiza los siguientes resultados experimentales y proporciona un veredicto sobre la calidad de los modelos, sugiriendo mejoras si es necesario.
+Biomasa:
+{biomass_results}
+Sustrato:
+{substrate_results}
+Producto:
+{product_results}
+"""
     analysis = generate_analysis(prompt, device=device)
 
     return image, analysis