Clean main, suppr USE, TF/TF HUB

app/main.py

@@ -1,41 +1,46 @@
+###########
+# IMPORTS #
+###########
+
 # Imports spécifiques à l'API
 from fastapi import FastAPI
 from fastapi.responses import HTMLResponse
-
 # Imports pour notre modèle de prédiction
 import pickle
-import tensorflow_hub as hub
-
+# Pour transformer les données reçu en array
 import numpy as np
 
-# Instanciation de notre API
+##############################
+# Instanciation de notre API #
+##############################
+
 app = FastAPI()
 
-# Chargement du modèle choisi précédemment enregistré
+##################################################
+# Chargement du modèle de prédiction préentraîné #
+##################################################
+
+# Contient le modèle KNN et le MultiLabelBinarizer
 with open('KNeighborsClassifier_and_bin.pkl', 'rb') as fichier:
     model_and_bin = pickle.load(fichier)
 
-# Chargement du modèle USE pré-entraîné (s'il n'avait pas été chargé précédemment)
-#embed = hub.load("https://tfhub.dev/google/universal-sentence-encoder/4")
+##########################
+# Fonction de prédiction #
+##########################
 
-# Fonction de prédiction
 def tags_predict(document):
 
-    ddd = document.replace('[', '').replace(']', '')
-    ddd = ddd.split()
-    ddd = np.array([float(item) for item in ddd])
-
-
-    # Encodage du document avec USE
-    #document_USE = embed([document])
-    #document_USE = ddd
-    # Prédiction avec le modèle entraîné
-    #prediction = model_and_bin[0].predict(ddd)
-    # Décodage de la prédiction pour avoir les tags sous forme textuelle
-    #tags = ', '.join(model_and_bin[1].inverse_transform(prediction)[0])
-
-
-    prediction = model_and_bin[0].predict([ddd])
+    # Conversion des données réçue en arrray
+    # qui pourra alors être passé dans le modèle
+    doc = document.replace('[', '').replace(']', '')
+    doc = doc.split()
+    doc = np.array([float(item) for item in doc])
+
+    # Prédiction sur les données reçues
+    prediction = model_and_bin[0].predict([doc])
+    # Inverse transform des prédictions du modèle
+    # pour passer de données encodées avec MultiLabelBinarizer
+    # à des tags sous forme textuelle
     tags = ', '.join(model_and_bin[1].inverse_transform(prediction)[0])
 
     return tags
@@ -44,6 +49,8 @@ def tags_predict(document):
 # Page d'accueil #
 ##################
 # Page d'accueil avec un formulaire pour entrer un document
+# Pour la version dans le cloud, pour des raisons de limitation techniques,
+# le document devra être encodé avec USE en local avant d'être transmis.
 @app.get("/", response_class=HTMLResponse)
 def prediction_form():
     """
@@ -88,6 +95,9 @@ def prediction_form():
 #########################
 # Page de résultats web #
 #########################
+# Page de résultats avec affichage des prédictions
+# Pour la version dans le cloud, pour des raisons de limitation techniques,
+# le document devra être encodé avec USE en local avant d'être transmis.
 @app.get("/predict_web", response_class=HTMLResponse)
 def prediction_result_web(document: str):
     """
@@ -130,19 +140,15 @@ def prediction_result_web(document: str):
 ###############################
 # Renvoi des résultats en STR #
 ###############################
+# Pour un accès direct, sans passer par formulaire HTML.
+# Pour la version dans le cloud, pour des raisons de limitation techniques,
+# le document devra être encodé avec USE en local avant d'être transmis.
 @app.get("/predict")
 def prediction_result(document):
-#async def prediction_result(document: str):
     """
     - Fonction de prédiction qui retourne uniquement
       les tags prédits sous forme de string.
     - À utiliser comme API depuis un autre programme.
     """
     predicted_tags = tags_predict(document)
-    return predicted_tags
-
-# Si le fichier est exécuté en tant que
-# programme principal et non importé
-#if __name__ == '__main__':
-#    uvicorn.run('main:app')
-
+    return predicted_tags

requirements.txt

@@ -1,6 +1,4 @@
 fastapi==0.103.1
 uvicorn==0.23.2
 scikit-learn==1.2.2
-numpy
-tensorflow==2.14.0
-tensorflow-hub==0.14.0
+numpy