adicionado LLM_MODE na API
Browse files- .vscode/settings.json +1 -1
- app/api.py +7 -10
.vscode/settings.json
CHANGED
|
@@ -1,4 +1,4 @@
|
|
| 1 |
{
|
| 2 |
"python-envs.defaultEnvManager": "ms-python.python:venv",
|
| 3 |
-
"python.defaultInterpreterPath": "C:\\
|
| 4 |
}
|
|
|
|
| 1 |
{
|
| 2 |
"python-envs.defaultEnvManager": "ms-python.python:venv",
|
| 3 |
+
"python.defaultInterpreterPath": "C:\\_Cleber\\Pos_IA\\hf_backend\\.venv-311\\Scripts\\python.exe"
|
| 4 |
}
|
app/api.py
CHANGED
|
@@ -4,7 +4,7 @@ from fastapi.middleware.cors import CORSMiddleware
|
|
| 4 |
import shutil
|
| 5 |
import os
|
| 6 |
import json
|
| 7 |
-
from app.config import
|
| 8 |
from app.pipeline import run_pipeline
|
| 9 |
from app.decision import classify
|
| 10 |
from app.llm import ensure_deepface_model, ensure_model_ollama, generate_alert
|
|
@@ -76,30 +76,27 @@ async def analyze(request: Request, video: UploadFile = File(...), medical_text:
|
|
| 76 |
data = run_pipeline(VIDEO_TEMP_PATH, logger)
|
| 77 |
log("Pipeline concluído.", logger=logger)
|
| 78 |
|
| 79 |
-
#log("Salvando JSON output", logger=logger)
|
| 80 |
-
#with open(JSON_OUTPUT_PATH) as f:
|
| 81 |
-
# data = json.load(f)
|
| 82 |
-
#log("JSON output salvo com sucesso!", logger=logger)
|
| 83 |
-
|
| 84 |
log("Iniciando classificação", logger=logger)
|
| 85 |
estado = classify(data)
|
| 86 |
log("Classificação concluída com sucesso!", logger=logger)
|
| 87 |
|
| 88 |
-
|
| 89 |
-
|
| 90 |
-
|
|
|
|
| 91 |
|
| 92 |
log("Iniciando geração de alertas.", logger=logger)
|
| 93 |
alerta = generate_alert(data, medical_text, logger=logger)
|
| 94 |
log("Geração de alertas concluída com sucesso!", logger=logger)
|
| 95 |
|
| 96 |
log(f"Excluindo arquivo de video: {VIDEO_TEMP_PATH}")
|
| 97 |
-
# limpar vídeo
|
| 98 |
if os.path.exists(VIDEO_TEMP_PATH):
|
| 99 |
os.remove(VIDEO_TEMP_PATH)
|
|
|
|
| 100 |
log(f"Arquivo de video '{VIDEO_TEMP_PATH}' excluído com sucesso!", logger=logger)
|
| 101 |
|
| 102 |
log("retornando resultados...", logger=logger)
|
|
|
|
| 103 |
return {
|
| 104 |
"estado": estado,
|
| 105 |
"alerta": alerta,
|
|
|
|
| 4 |
import shutil
|
| 5 |
import os
|
| 6 |
import json
|
| 7 |
+
from app.config import LLM_MODE, VIDEO_TEMP_PATH, LOG_FILE
|
| 8 |
from app.pipeline import run_pipeline
|
| 9 |
from app.decision import classify
|
| 10 |
from app.llm import ensure_deepface_model, ensure_model_ollama, generate_alert
|
|
|
|
| 76 |
data = run_pipeline(VIDEO_TEMP_PATH, logger)
|
| 77 |
log("Pipeline concluído.", logger=logger)
|
| 78 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 79 |
log("Iniciando classificação", logger=logger)
|
| 80 |
estado = classify(data)
|
| 81 |
log("Classificação concluída com sucesso!", logger=logger)
|
| 82 |
|
| 83 |
+
if LLM_MODE == "ollama":
|
| 84 |
+
log("Iniciando LLM.", logger=logger)
|
| 85 |
+
ensure_model_ollama(logger=logger)
|
| 86 |
+
log("LLM iniciada com sucesso!", logger=logger)
|
| 87 |
|
| 88 |
log("Iniciando geração de alertas.", logger=logger)
|
| 89 |
alerta = generate_alert(data, medical_text, logger=logger)
|
| 90 |
log("Geração de alertas concluída com sucesso!", logger=logger)
|
| 91 |
|
| 92 |
log(f"Excluindo arquivo de video: {VIDEO_TEMP_PATH}")
|
|
|
|
| 93 |
if os.path.exists(VIDEO_TEMP_PATH):
|
| 94 |
os.remove(VIDEO_TEMP_PATH)
|
| 95 |
+
|
| 96 |
log(f"Arquivo de video '{VIDEO_TEMP_PATH}' excluído com sucesso!", logger=logger)
|
| 97 |
|
| 98 |
log("retornando resultados...", logger=logger)
|
| 99 |
+
|
| 100 |
return {
|
| 101 |
"estado": estado,
|
| 102 |
"alerta": alerta,
|