e

README.md

@@ -1,6 +1,9 @@
 ---
 title: Clasificador de Orquídeas
 emoji: 🌸
+colorFrom: green
+colorTo: teal
 sdk: gradio
 sdk_version: 4.31.0
+python_version: 3.10
 ---

app.py

@@ -1,4 +1,4 @@
-# app.py (Versión final y correcta para Gradio SDK)
+# app.py (Versión final, autocontenida y robusta para Gradio SDK)
 
 import torch
 import torch.nn as nn
@@ -8,10 +8,11 @@ import json
 import timm
 import gradio as gr
 
-# --- 1. Definición del Modelo (directamente aquí) ---
+# --- 1. Definición del Modelo (directamente aquí para evitar errores) ---
 class VisionEnsembleModel(nn.Module):
     def __init__(self, num_classes, cnn_model_name='efficientnet_b2', vit_model_name='vit_small_patch16_224'):
         super().__init__()
+        # Se crean con pretrained=False porque cargaremos nuestros propios pesos
         self.cnn = timm.create_model(cnn_model_name, pretrained=False, num_classes=num_classes)
         cnn_features = self.cnn.get_classifier().in_features
         self.cnn.reset_classifier(0)
@@ -42,7 +43,7 @@ LABELS_PATH = "model/species_labels_map.json"
 NUM_CLASSES = 156
 
 try:
-    with open(LABELS_PATH) as f:
+    with open(LABELS_PATH, encoding="utf-8") as f:
         labels_map = json.load(f)
     print("Mapa de etiquetas cargado con éxito.")
 except Exception as e:
@@ -76,16 +77,16 @@ def predict(image):
     return confidences
 
 # --- 4. Crear la Interfaz de Gradio ---
+# La plataforma de Hugging Face encontrará esta variable 'iface' y la lanzará automáticamente.
 iface = gr.Interface(
     fn=predict,
     inputs=gr.Image(type="numpy", label="Sube una imagen de tu orquídea"),
     outputs=gr.Label(num_top_classes=5, label="Predicciones"),
     title="Clasificador de Orquídeas",
-    description="Sube una foto de una orquídea y la IA (CNN+ViT) intentará identificar la especie.",
+    description="Sube una foto de una orquídea y la IA (un ensamblado de CNN y Vision Transformer) intentará identificar la especie.",
     allow_flagging="never"
 )
 
-# --- 5. Lanzar la Aplicación ---
-# Al estar en el nivel superior del script (sin el if), 
-# la plataforma de Hugging Face lo ejecutará correctamente.
-iface.launch()
+# --- 5. Lanzar la demo (opcional pero recomendado para pruebas locales) ---
+if __name__ == "__main__":
+    iface.launch()

requirements.txt

@@ -1,6 +1,6 @@
 # requirements.txt
-torch
-torchvision
+torch==2.1.0
+torchvision==0.16.0
 timm
 Pillow
-gradio==4.31.0 
+gradio==4.31.0