Usando from_pretrained_fastai para carga limpia

app.py

@@ -9,14 +9,22 @@ categories = ['Bug', 'Dark', 'Dragon', 'Electric', 'Fairy', 'Fighting',
               'Normal', 'Poison', 'Psychic', 'Rock', 'Steel', 'Water']
 
 def load_clean_model(weights_path):
-    # En lugar de from_empty, creamos dls mínimos compatibles
-    # Esto define la estructura necesaria para que learn.predict funcione
-    dls = ImageDataLoaders.from_lists('.', [], [], vocab=categories, item_tfms=Resize(126))
+    # Creamos un DataBlock manualmente. 
+    # Esto define la estructura sin intentar leer ninguna lista.
+    dblock = DataBlock(
+        blocks=(ImageBlock, CategoryBlock(vocab=categories)),
+        item_tfms=Resize(126)
+    )
+    
+    # Creamos un DataLoader vacío que solo sirve para inicializar el Learner
+    # Usamos dls de un objeto dummy que no requiere archivos reales
+    dls = dblock.dataloaders([PILImage.create(np.zeros((126,126,3), dtype=np.uint8))], 
+                             [categories[0]], bs=1)
     
     # Reconstruimos la arquitectura ConvNeXt Tiny
     learn = vision_learner(dls, 'convnext_tiny', pretrained=False)
     
-    # Cargamos solo los pesos (.pth)
+    # Cargamos los pesos (.pth)
     # Fastai busca el archivo weights_path + '.pth'
     learn.load(weights_path) 
     return learn