app.py

import gradio as gr
from utils import cargar_etiquetas, normalizar_nombre, validar_datos_estudiante
from dataset import cargar_datasets
from evaluation import (
    ORDEN_LEADERBOARD_POR_DEFECTO,
    evaluate_interface,
    obtener_tablas_leaderboard,
)


OPCIONES_ORDEN_LEADERBOARD = [
    ("Mejores primero", "mejores"),
    ("Peores primero", "peores"),
    ("Más recientes", "recientes"),
    ("Más antiguos", "antiguos"),
]

# Cargar etiquetas
etiquetas, num_clases, codigo = cargar_etiquetas()

# Cargar dataset
test_dataloader, sr_dataloader = cargar_datasets(codigo)


def interface_wrapper(
    nombre,
    matricula,
    model_file,
    model_type,
    orden_clasificacion,
    orden_sr,
):
    nombre = normalizar_nombre(nombre)
    matricula = (matricula or "").strip()
    error_validacion = validar_datos_estudiante(nombre, matricula)
    if error_validacion:
        raise gr.Error(error_validacion)
    return evaluate_interface(
        nombre,
        matricula,
        model_file,
        model_type,
        orden_clasificacion,
        orden_sr,
        num_clases,
        test_dataloader,
        sr_dataloader,
    )


def cargar_tablas_iniciales(orden_clasificacion, orden_sr):
    tabla_clasificacion, tabla_sr = obtener_tablas_leaderboard(
        orden_clasificacion, orden_sr
    )
    return "", "", "", tabla_clasificacion, tabla_sr


def actualizar_leaderboards(orden_clasificacion, orden_sr):
    return obtener_tablas_leaderboard(orden_clasificacion, orden_sr)


with gr.Blocks(title="Evaluador de modelos") as demo:
    gr.Markdown(
        "# Evaluador de modelos\nCarga un modelo de clasificación o super-resolución. "
    )

    with gr.Row():
        with gr.Column(scale=1):
            nombre = gr.Textbox(label="Nombre completo")
            matricula = gr.Textbox(label="Matrícula")
            model_type = gr.Dropdown(
                choices=[
                    ("Clasificación", "clasificacion"),
                    ("Super-resolución", "sr"),
                ],
                value="clasificacion",
                label="Tipo de modelo",
            )
            model_file = gr.File(label="Archivo del modelo (.safetensor)")
            evaluar = gr.Button("Evaluar", variant="primary")

        with gr.Column(scale=1):
            metric_output = gr.Textbox(label="Métrica")
            sha_output = gr.Textbox(label="SHA256 del modelo")
            score_output = gr.Textbox(label="Calificación")

    with gr.Row():
        with gr.Column(scale=1):
            orden_clasificacion = gr.Dropdown(
                choices=OPCIONES_ORDEN_LEADERBOARD,
                value=ORDEN_LEADERBOARD_POR_DEFECTO,
                label="Orden leaderboard clasificación",
            )
            leaderboard_cls = gr.Dataframe(
                headers=[
                    "Nombre",
                    "Matrícula",
                    "Accuracy",
                    "Puntaje",
                    "SHA256",
                    "Duplicado",
                    "Fecha y hora (RD, 12h)",
                ],
                datatype=["str", "str", "str", "number", "str", "str", "str"],
                row_count=(0, "dynamic"),
                label="Leaderboard Clasificación",
            )
        with gr.Column(scale=1):
            orden_sr = gr.Dropdown(
                choices=OPCIONES_ORDEN_LEADERBOARD,
                value=ORDEN_LEADERBOARD_POR_DEFECTO,
                label="Orden leaderboard super-resolución",
            )
            leaderboard_sr = gr.Dataframe(
                headers=[
                    "Nombre",
                    "Matrícula",
                    "PSNR",
                    "Puntaje",
                    "SHA256",
                    "Duplicado",
                    "Fecha y hora (RD, 12h)",
                ],
                datatype=["str", "str", "str", "number", "str", "str", "str"],
                row_count=(0, "dynamic"),
                label="Leaderboard Super-resolución",
            )

    demo.load(
        fn=cargar_tablas_iniciales,
        inputs=[orden_clasificacion, orden_sr],
        outputs=[
            metric_output,
            sha_output,
            score_output,
            leaderboard_cls,
            leaderboard_sr,
        ],
    )
    orden_clasificacion.change(
        fn=actualizar_leaderboards,
        inputs=[orden_clasificacion, orden_sr],
        outputs=[leaderboard_cls, leaderboard_sr],
    )
    orden_sr.change(
        fn=actualizar_leaderboards,
        inputs=[orden_clasificacion, orden_sr],
        outputs=[leaderboard_cls, leaderboard_sr],
    )
    evaluar.click(
        fn=interface_wrapper,
        inputs=[
            nombre,
            matricula,
            model_file,
            model_type,
            orden_clasificacion,
            orden_sr,
        ],
        outputs=[
            metric_output,
            sha_output,
            score_output,
            leaderboard_cls,
            leaderboard_sr,
        ],
    )

if __name__ == "__main__":
    demo.launch()