Arquitectura modular con funciones get_x/y reales

app.py

@@ -2,24 +2,25 @@
 import gradio as gr
 from fastai.vision.all import *
 import __main__
-from utils import get_x, get_y
 
-# Inyectamos las funciones en el módulo principal para que load_learner las encuentre
+# 1. Definir las funciones que el modelo "busca" al abrirse.
+# No necesitan hacer nada real, solo existir con el mismo nombre.
+def get_x(i): return None
+def get_y(i): return None
+
+# 2. Inyectarlas en el módulo principal (esto es el truco clave)
 __main__.get_x = get_x
 __main__.get_y = get_y
 
-# Cargamos el archivo .pkl
+# 3. Ahora sí, cargar el modelo
 learn = load_learner('modelo_pokemon.pkl')
 
+labels = learn.dls.vocab
+
 def predict(img):
     img = PILImage.create(img)
-    # Fastai usará el preprocesamiento guardado en el .pkl automáticamente
     pred, pred_idx, probs = learn.predict(img)
-    return {learn.dls.vocab[i]: float(probs[i]) for i in range(len(learn.dls.vocab))}
+    return {labels[i]: float(probs[i]) for i in range(len(labels))}
 
-gr.Interface(
-    fn=predict,
-    inputs=gr.Image(),
-    outputs=gr.Label(num_top_classes=3),
-    title="Detector de Tipos Pokémon"
-).launch()
+# Interfaz de Gradio
+gr.Interface(fn=predict, inputs=gr.Image(), outputs=gr.Label(num_top_classes=3)).launch()