def get_skl_estimator(self, **default_parameters):
return elm.ELM(hid_num=10) # (**default_parameters)
options.simulation_mode = False
if pc.mode == 2:
options.promode = False
options.simulation_mode = True
break
options.port = str(pc.port)
port_speed = pc.selectedportspeed
if not options.port:
msgbox = gui.QMessageBox()
msgbox.setText(_("No COM port selected"))
msgbox.exec_()
print _("Initilizing ELM with speed %i...") % port_speed
options.elm = elm.ELM(options.port, port_speed)
if options.elm_failed:
pc.show()
pc.logview.append(options.get_last_error())
msgbox = gui.QMessageBox()
msgbox.setText(_("No ELM327 or OBDLINK-SX detected on COM port ") + options.port)
msgbox.exec_()
else:
nok = False
w = Main_widget()
options.main_window = w
w.show()
app.exec_()
options.simulation_mode = False
if pc.mode == 2:
options.promode = False
options.simulation_mode = True
break
options.port = str(pc.port)
port_speed = pc.selectedportspeed
if not options.port:
msgbox = gui.QMessageBox()
msgbox.setText(_("No COM port selected"))
msgbox.exec_()
print _("Initilizing ELM with speed %i...") % port_speed
options.elm = elm.ELM(options.port, port_speed, pc.isels)
if options.elm_failed:
pc.show()
pc.logview.append(options.get_last_error())
msgbox = gui.QMessageBox()
msgbox.setText(_("No ELM327 or OBDLINK-SX detected on COM port ") + options.port)
msgbox.exec_()
else:
nok = False
w = Main_widget()
options.main_window = w
w.show()
app.exec_()
def entrenar():
#fijamos los valores obtenidos en entry
proporcion_datos = proporcion.get()
numero_neuronas = neuronas.get()
xp = xptemp.get()
#Excepciones
if numero_neuronas == 0:
mb.showerror("Error", "Variable número de neuronas = 0 ")
progressbar.destroy()
return
if proporcion_datos == 0.0:
mb.showerror("Error", "Variable proporcion de datos = 0 ")
progressbar.destroy()
return
if proporcion_datos > 1.0:
mb.showerror("Error", "Variable proporcion de datos no válida ")
progressbar.destroy()
return
import cupy
while True:
try:
neuronas_ocultas, precision_test, tiempo, Win, Wout, Bias, Y_test1, Y_pred_test = elm.ELM(
X_train, X_test, Y_train, Y_test, numero_neuronas,
proporcion_datos, xp)
break
except cupy.cuda.memory.OutOfMemoryError:
mb.showerror("Error", "La GPU no tiene memoria suficiente ")
progressbar.destroy()
return
#Título
labeltitulo1 = ttk.Label(superframe,
text="Resultados ELM",
foreground="#054FAA",
font=("Arial Bold", 15))
labeltitulo1.grid(row=0, columnspan=2)
#---------------Imprimir los resultados en pantalla-----------------------
resultadoneuronas = ttk.Label(superframe,
text="Número de Neuronas: ",
font=("Arial Bold", 12),
foreground="#054FAA")
resultadoneuronas.grid(column=0, row=1, sticky=W, pady=5)
resultadoneuronas1 = ttk.Label(superframe,
font=("Arial Bold", 12),
foreground="#054FAA")
resultadoneuronas1.grid(column=1, row=1, sticky=W)
resultadoprop = ttk.Label(superframe,
text="Datos empleados: ",
font=("Arial Bold", 12),
foreground="#054FAA")
resultadoprop.grid(column=0, row=2, sticky=W, pady=5)
resultadoprop1 = ttk.Label(superframe,
font=("Arial Bold", 12),
foreground="#054FAA")
resultadoprop1.grid(column=1, row=2, sticky=W)
resultadoprec = ttk.Label(superframe,
text="Aciertos Test: ",
font=("Arial Bold", 12),
foreground="#054FAA")
resultadoprec.grid(column=0, row=3, sticky=W, pady=5)
resultadoprec1 = ttk.Label(superframe,
font=("Arial Bold", 12),
foreground="#054FAA")
resultadoprec1.grid(column=1, row=3, sticky=W)
resultadotiempo = ttk.Label(superframe,
text="Tiempo entrenamiento: ",
font=("Arial Bold", 12),
foreground="#054FAA")
resultadotiempo.grid(column=0, row=4, sticky=W, pady=5)
resultadotiempo1 = ttk.Label(superframe,
font=("Arial Bold", 12),
foreground="#054FAA")
resultadotiempo1.grid(column=1, row=4, sticky=W)
#---------------Resultados neuronas------------------------------
resultadoneuronas1['text'] = str(neuronas_ocultas)
#---------------Resultados lote------------------------------
resultadoprop1['text'] = str(proporcion_datos * 100) + " " + "%"
#---------------Resultados precision------------------------------
resultadoprec1['text'] = '{:.2f}'.format(
(precision_test * 100)) + " " + "%"
#---------------Resultados tiempo------------------------------
resultadotiempo1['text'] = '{:.3f}'.format((tiempo)) + " " + "s"
#Función que nos permite guardar el modelo
def guardarelm():
nombrearch = fd.asksaveasfilename(initialdir="/",
title="Guardar como")
if nombrearch != '':
archiWin = open(nombrearch, 'wb')
pickle.dump((Win, Wout, Bias), archiWin)
archiWin.close()
mb.showinfo("Información",
"Los datos fueron guardados en el archivo.")
"""
Los datos del modelo se descargan en formato binario serializado, para su posterior uso
hay que cargarlos mediante
archivo = open("modelo","rb")
Win,Wout,Bias = pickle.load(archivo)
"""
#Función que saca los detalles del test del modelo por clases
def detalles():
class Display(tk.Frame):
def __init__(self, parent=0):
tk.Frame.__init__(self, parent)
self.output = tk.Text(self, width=80, height=15)
self.output.pack(
padx=30,
pady=5,
)
sys.stdout = self
self.pack()
def flush(self):
pass
def write(self, txt):
self.output.insert(tk.END, str(txt))
self.output.see("end")
self.update_idletasks()
#Creamos el display donde aparecen los datos por clases
def pantalla():
ventana_display = tk.Toplevel(ventana_elm)
labeltitulo1 = ttk.Label(ventana_display,
text="Resultados por clase",
foreground="#054FAA",
font=("Arial Bold", 15))
labeltitulo1.pack(pady=5)
Display(ventana_display)
#Llamada a función que nos devuelve info por clases
def run():
from sklearn.metrics import classification_report
print(classification_report(Y_test1, Y_pred_test))
t1 = Thread(target=pantalla)
t2 = Thread(target=run)
t1.start()
t2.start()
#frame que contiene los botones
miniframe = tk.Frame(superframe)
miniframe.grid(row=5, columnspan=2)
#Botón para invocar los detalles
btndet = ttk.Button(miniframe,
text="Resultados por Clase",
style='my.TButton',
command=detalles)
btndet.grid(row=0, column=1, padx=20, pady=15)
#Botón guardar datos
btnsave = ttk.Button(miniframe,
text="Guardar modelo",
command=guardarelm,
style='my.TButton')
btnsave.grid(pady=15, row=0, column=0)
progressbar.destroy()
