app.py

import tensorflow as tf
import numpy as np
import json
from flask import Flask, request, render_template

# Creamos una instancia de Flask
app = Flask(__name__)

# Declaramos las variables globales, pero la carga del modelo no ocurre hasta que se llama la función
model = None
tokenizer = None
index_to_label = None

# Función para cargar el modelo, vocabulario y etiquetas
def cargar_recursos():
    global model, tokenizer, index_to_label
    # 1. Cargar el modelo
    model = tf.keras.models.load_model("modelo.keras")

    # 2. Cargar el vocabulario del tokenizer
    with open("vocabulary.txt", "r") as f:
        vocabulary = [line.strip() for line in f]

    # 3. Crear el tokenizer y asignar el vocabulario
    tokenizer = tf.keras.layers.TextVectorization()
    tokenizer.set_vocabulary(vocabulary)

    # 4. Cargar el mapeo de etiquetas
    with open("etiquetas.json", "r") as f:
        etiquetas = json.load(f)
        # Invertir el mapeo (de índice a etiqueta)
        index_to_label = {v: k for k, v in etiquetas.items()}

# Función para evaluar el modelo
def evaluar_modelo(frase):
    """
    Esta función toma una frase como entrada, la preprocesa, 
    realiza la predicción con el modelo cargado y devuelve la etiqueta correspondiente.

    :param frase: La frase a evaluar.
    :return: La etiqueta predicha por el modelo.
    """
    # Preprocesar el texto de entrada utilizando el tokenizer
    texto_preprocesado = tokenizer([frase])
    
    # Realizar la predicción con el modelo
    prediccion = model.predict(texto_preprocesado)
    
    # Obtener el índice de mayor probabilidad
    indice = np.argmax(prediccion[0])
    
    # Obtener la etiqueta correspondiente al índice
    etiqueta = index_to_label.get(indice, "NO ENTIENDO")
    
    return etiqueta

# Definimos los endpoints de la aplicación
@app.route('/', methods=['GET', 'POST'])
def index():
    if request.method == 'POST':
        # Obtenemos los parámetros del formulario
        frase = request.form['frase']
        resultado = evaluar_modelo(frase)
        # Devolvemos los datos a la plantilla
        return render_template('index.html', frase=frase, resultado=resultado)
    else:
        return render_template('index.html')

# Programa principal
if __name__ == '__main__':
    # Cargar los recursos antes de iniciar Flask
    cargar_recursos()
    app.run(debug=True)