Update interface.py

interface.py

@@ -11,7 +11,7 @@ from transformers import AutoTokenizer, AutoModelForCausalLM
 from sympy import symbols, sympify, lambdify
 import copy
 from config import DEVICE, MODEL_PATH, MAX_LENGTH, TEMPERATURE
-from decorators import spaces  # Importamos el decorador
+from decorators import spaces
 
 # Configuración del dispositivo
 device = DEVICE
@@ -20,12 +20,15 @@ device = DEVICE
 model_path = MODEL_PATH  # Reemplaza con la ruta real de tu modelo
 tokenizer = AutoTokenizer.from_pretrained(model_path)
 model = AutoModelForCausalLM.from_pretrained(model_path)
-model.to(device)
-model.eval()
+# No movemos el modelo al dispositivo aquí
 
-@spaces.GPU(duration=300)  # Aplicamos el decorador para asegurar uso de GPU
-def generate_analysis(prompt, max_length=MAX_LENGTH):
+@spaces.GPU(duration=300)
+def generate_analysis(prompt, max_length=MAX_LENGTH, device=None):
     try:
+        if device is None:
+            device = torch.device('cpu')
+        if next(model.parameters()).device != device:
+            model.to(device)
         input_ids = tokenizer.encode(prompt, return_tensors='pt').to(device)
         max_gen_length = min(max_length + input_ids.size(1), model.config.max_position_embeddings)
 
@@ -75,6 +78,19 @@ def process_and_plot(
     substrate_eq_count,
     product_eq_count
 ):
+    # Verificar que las columnas requeridas estén presentes en el archivo Excel
+    df = pd.read_excel(file.name)
+    expected_columns = ['Tiempo', 'Biomasa', 'Sustrato', 'Producto']  # Nombres en español
+    for col in expected_columns:
+        if col not in df.columns:
+            raise KeyError(f"La columna esperada '{col}' no se encuentra en el archivo Excel.")
+
+    # Asignación de datos desde las columnas en español
+    time = df['Tiempo'].values  # Columna de tiempo
+    biomass_data = df['Biomasa'].values  # Columna de biomasa
+    substrate_data = df['Sustrato'].values  # Columna de sustrato
+    product_data = df['Producto'].values  # Columna de producto
+
     # Convierte los contadores a enteros
     biomass_eq_count = int(biomass_eq_count)
     substrate_eq_count = int(substrate_eq_count)
@@ -93,13 +109,6 @@ def process_and_plot(
     product_params = [product_param1, product_param2, product_param3][:product_eq_count]
     product_bounds = [product_bound1, product_bound2, product_bound3][:product_eq_count]
 
-    # Lee el archivo Excel subido
-    df = pd.read_excel(file.name)
-    time = df['Time'].values
-    biomass_data = df['Biomass'].values
-    substrate_data = df['Substrate'].values
-    product_data = df['Product'].values
-
     biomass_results = []
     substrate_results = []
     product_results = []