Как загрузить файлы json, pickle и h5 в файл views.py в Python Django?

Я пытаюсь отобразить чатбота, которого я создал на сайте django. Поэтому мне нужно загрузить некоторые обучающие данные (json, pickle и h5 файлы) в файл views.py. Но когда я запускаю сервер, он говорит:

FileNotFoundError: [Errno 2] Нет такого файла или каталога: 'mysite/polls/intents.json'

несмотря на то, что views.py и intents.json находятся в одной папке.

У вас есть предложения?

Вот код из файла views.py:

from django.shortcuts import render
from django.http import HttpResponse


import nltk
from nltk.stem import WordNetLemmatizer
lemmatizer = WordNetLemmatizer()
import pickle
import numpy as np

from keras.models import load_model
import json
import random

intents = json.loads(open('mysite/polls/intents.json').read())
model = load_model('mysite/polls/chatbot_model.h5')
words = pickle.load(open('mysite/polls/words.pkl','rb'))
classes = pickle.load(open('mysite/polls/classes.pkl','rb'))

# Create your views here.
def index(request):

    def clean_up_sentence(sentence):
        sentence_words = nltk.word_tokenize(sentence)
        sentence_words = [lemmatizer.lemmatize(word.lower()) for word in sentence_words]
        return sentence_words

    # return bag of words array: 0 or 1 for each word in the bag that exists in the sentence

    def bow(sentence, words, show_details=True):
        # tokenize the pattern
        sentence_words = clean_up_sentence(sentence)
        # bag of words - matrix of N words, vocabulary matrix
        bag = [0]*len(words)
        for s in sentence_words:
            for i,w in enumerate(words):
                if w == s:
                    # assign 1 if current word is in the vocabulary position
                    bag[i] = 1
                    if show_details:
                        print ("found in bag: %s" % w)
        return(np.array(bag))

    def predict_class(sentence, model):
        # filter out predictions below a threshold
        p = bow(sentence, words,show_details=False)
        res = model.predict(np.array([p]))[0]
        print(res)
        ERROR_THRESHOLD = 0.95
        results = [[i,r] for i,r in enumerate(res) if r>ERROR_THRESHOLD]
        # sort by strength of probability
        results.sort(key=lambda x: x[1], reverse=True)
        return_list = []
        for r in results:
            return_list.append({"intent": classes[r[0]], "probability": str(r[1])})
        if not return_list:
            return_list.append({"intent": "unclear", "probability": "1"})
        return return_list
        

    def getResponse(ints, intents_json):
        tag = ints[0]['intent']
        list_of_intents = intents_json['intents']
        for i in list_of_intents:
            if(i['tag']== tag):
                result = random.choice(i['responses'])
                break
        return result

    def chatbot_response(msg):
        ints = predict_class(msg, model)
        res = getResponse(ints, intents)
        return res


    return render(request, "index.html")

Вернуться на верх