Proyecto de Generación de Recetas

Este proyecto implementa un sistema para la gestión y generación de recetas culinarias, incluyendo una base de datos, un modelo de Machine Learning (ML) para generar recetas basadas en ingredientes, y una API para interactuar con el sistema.

Archivos del Proyecto

1. database.py

• Define las clases Recipe e Ingredient para manejar recetas e ingredientes en la base de datos.
• Configura la conexión a la base de datos utilizando SQLAlchemy y crea las tablas necesarias automáticamente.
• Incluye una tabla de asociación para la relación muchos-a-muchos entre recetas e ingredientes.

2. dependencies.py

• Proporciona una función de utilidad get_db para obtener una sesión de la base de datos y garantizar que se cierre después de su uso.

3. ml.py

• Implementa un modelo basado en Hugging Face (RecipeNLG) para generar recetas automáticamente a partir de ingredientes.
• Define la clase RecipeModel con el método generate_recipe para procesar una lista de ingredientes y devolver una receta generada.

4. populate_db.py

• Proporciona funciones para poblar la base de datos con recetas e ingredientes desde un archivo de texto.
• Procesa las recetas utilizando delimitadores como <RECIPE_START> y <RECIPE_END> para identificar las secciones de cada receta.

5. routes.py

• Define rutas de la API utilizando FastAPI.
• Incluye:
  • /ingredients/: Recupera una lista de ingredientes de la base de datos.
  • /recommendation: Recomienda la receta más adecuada basada en una lista de ingredientes.

6. schemas.py

• Contiene los modelos Pydantic para validar datos que se envían o reciben en las rutas.
• Modelos principales:
  • IngredientBase, IngredientResponse: Para datos de ingredientes.
  • RecipeBase, RecipeResponse: Para datos de recetas.

---

Configuración del Proyecto

Sigue estos pasos para configurar el proyecto en tu máquina local:

1. Clonar el repositorio

Clona este repositorio en tu máquina local:

git clone <URL-del-repositorio>
cd <nombre-del-directorio>

2. Configurar el entorno virtual

Crea un entorno virtual y actívalo:

python -m venv venv
source venv/bin/activate  # En Windows: venv\Scripts\activate

3. Instalar dependencias

Instalar las dependencias necesarias:

pip install -r requirements.txt

4. Configurar la base de datos

Sigue estos pasos para configurar la base de datos:

1. Asegúrate de tener PostgreSQL instalado.

2. Crea una base de datos llamada recipe_db.

3. Actualiza la URL de conexión en el archivo database.py:

   DATABASE_URL = "postgresql://<usuario>:<contraseña>@localhost/recipe_db"
   

5. Poblar la base de datos

Para cargar los datos a la base de datos, se tiene que ejecutar el archivo populate_db.py. Asegurate de tener el archivo processed_recipes.txt

6. Ejecutar el servidor

Iniciar el servidor FastAPi ejecutadno el siguiente comando:

unicorn main:app --reload

Accede a http://127.0.0.1:8000

7. Documentacion

Se puede ver la documentacion del proyecto en http://127.0.0.1:8000/docs