Update interface.py

interface.py

@@ -5,6 +5,8 @@ import pandas as pd
 import matplotlib.pyplot as plt
 from PIL import Image
 import io
+from transformers import pipeline
+import torch
 
 from bioprocess_model import BioprocessModel
 from decorators import gpu_decorator  # Asegúrate de que la ruta es correcta
@@ -28,11 +30,31 @@ def parse_bounds(bounds_str, num_params):
 
 @gpu_decorator(duration=300)
 def generate_analysis(prompt, max_length=1024, device=None):
-    # Implementación existente para generar análisis usando Hugging Face o similar
-    # Por ejemplo, podrías usar un modelo de lenguaje para generar texto
-    # Aquí se deja como placeholder
-    analysis = "Análisis generado por el modelo de lenguaje."
-    return analysis
+    """
+    Genera un análisis detallado utilizando un modelo de lenguaje de Hugging Face.
+
+    :param prompt: Texto de entrada para el análisis.
+    :param max_length: Longitud máxima del texto generado.
+    :param device: Dispositivo a utilizar ('cpu' o 'cuda').
+    :return: Texto generado por el modelo de lenguaje.
+    """
+    try:
+        # Seleccionar el dispositivo
+        if device and torch.cuda.is_available():
+            device_num = 0  # Cambia esto si tienes múltiples GPUs
+        else:
+            device_num = -1  # CPU
+
+        # Inicializar el pipeline de generación de texto
+        generator = pipeline('text-generation', model='gpt2', device=device_num)
+
+        # Generar el análisis
+        analysis = generator(prompt, max_length=max_length, num_return_sequences=1, temperature=0.7)[0]['generated_text']
+
+        return analysis
+    except Exception as e:
+        print(f"Error al generar el análisis: {e}")
+        return "Error al generar el análisis."
 
 @gpu_decorator(duration=600)  # Ajusta la duración según tus necesidades
 def process_and_plot(
@@ -214,20 +236,25 @@ def process_and_plot(
     buf.seek(0)
     image = Image.open(buf)
 
+    # Crear el prompt para el análisis
     prompt = f"""
-Eres un experto en modelado de bioprocesos.
+    Eres un experto en modelado de bioprocesos.
+
+    A continuación se presentan los resultados de los modelos ajustados para Biomasa, Sustrato y Producto:
+
+    **Biomasa:**
+    {biomass_results}
 
-Analiza los siguientes resultados experimentales y proporciona un veredicto sobre la calidad de los modelos, sugiriendo mejoras si es necesario.
+    **Sustrato:**
+    {substrate_results}
 
-Biomasa:
-{biomass_results}
+    **Producto:**
+    {product_results}
 
-Sustrato:
-{substrate_results}
+    Analiza la calidad de cada modelo basándote en los valores de R² y RMSE. Proporciona un veredicto sobre la adecuación de los modelos y sugiere posibles mejoras o ajustes si es necesario.
+    """
 
-Producto:
-{product_results}
-"""
+    # Generar el análisis utilizando el modelo de lenguaje
     analysis = generate_analysis(prompt, device=device)
 
     return image, analysis