Update app.py

app.py

@@ -5,41 +5,6 @@ import pickle
 from io import BytesIO
 import math
 
-app = FastAPI()
-
-som = load_model()
-
-MM = np.array([
-    [ 0., -1., -1., -1., -1.,  2., -1., -1., -1.,  3.],
-    [-1., -1., -1., -1., -1., -1., -1., -1., -1., -1.],
-    [-1., -1., -1.,  1., -1., -1., -1., -1., -1., -1.],
-    [ 1., -1., -1., -1., -1., -1., -1., -1., -1.,  0.],
-    [-1., -1., -1., -1.,  1., -1., -1., -1., -1., -1.],
-    [-1., -1., -1., -1., -1., -1., -1., -1., -1., -1.],
-    [ 3., -1., -1., -1., -1., -1., -1., -1., -1.,  3.],
-    [-1., -1., -1.,  0., -1., -1.,  3., -1., -1., -1.],
-    [-1., -1., -1., -1., -1., -1., -1., -1., -1., -1.],
-    [ 2., -1., -1., -1.,  1., -1., -1., -1., -1.,  2.]
-])
-
-@app.post("/predict/")
-async def predict_fingerprint_api(file: UploadFile = File(...)):
-    try:
-        contents = await file.read()
-        image = Image.open(BytesIO(contents)).convert('L')
-        image = np.asarray(image)
-        print(f"ARRAY{image.size}:\n\n\n{image}")
-        image = np.array(image.array).reshape(256, 256, 1)
-        representative_data = representativo(image)
-        representative_data = representative_data.reshape(1, -1)
-        
-        w = som.winner(representative_data)
-        prediction = MM[w]
-        
-        return {"prediction": prediction}
-    except Exception as e:
-        raise HTTPException(status_code=500, detail=str(e))
-
 def load_model():
     with open('som.pkl', 'rb') as fid:
         som = pickle.load(fid)
@@ -79,4 +44,40 @@ def representativo(imarray):
     m, n = imarray.shape
     patron = imarray[1:m-1, 1:n-1]
     EE = orientacion(patron, 14)
-    return np.asarray(EE).reshape(-1)
+    return np.asarray(EE).reshape(-1)
+
+app = FastAPI()
+
+som = load_model()
+
+MM = np.array([
+    [ 0., -1., -1., -1., -1.,  2., -1., -1., -1.,  3.],
+    [-1., -1., -1., -1., -1., -1., -1., -1., -1., -1.],
+    [-1., -1., -1.,  1., -1., -1., -1., -1., -1., -1.],
+    [ 1., -1., -1., -1., -1., -1., -1., -1., -1.,  0.],
+    [-1., -1., -1., -1.,  1., -1., -1., -1., -1., -1.],
+    [-1., -1., -1., -1., -1., -1., -1., -1., -1., -1.],
+    [ 3., -1., -1., -1., -1., -1., -1., -1., -1.,  3.],
+    [-1., -1., -1.,  0., -1., -1.,  3., -1., -1., -1.],
+    [-1., -1., -1., -1., -1., -1., -1., -1., -1., -1.],
+    [ 2., -1., -1., -1.,  1., -1., -1., -1., -1.,  2.]
+])
+
+@app.post("/predict/")
+async def predict_fingerprint_api(file: UploadFile = File(...)):
+    try:
+        contents = await file.read()
+        image = Image.open(BytesIO(contents)).convert('L')
+        image = np.asarray(image)
+        print(f"ARRAY{image.size}:\n\n\n{image}")
+        image = np.array(image.array).reshape(256, 256, 1)
+        representative_data = representativo(image)
+        representative_data = representative_data.reshape(1, -1)
+        
+        w = som.winner(representative_data)
+        prediction = MM[w]
+        
+        return {"prediction": prediction}
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=str(e))
+