Update app.py

app.py

@@ -31,7 +31,7 @@ def load_model():
         adapter_id = "tugrulkaya/GeoQwen-VL-2B-EuroSAT"
         
         if DEVICE == "cuda":
-            # GPU Varsa: 4-bit quantization ile yükle
+            # GPU Varsa: 4-bit quantization
             bnb_config = BitsAndBytesConfig(
                 load_in_4bit=True,
                 bnb_4bit_quant_type="nf4",
@@ -45,124 +45,5 @@ def load_model():
                 _attn_implementation="flash_attention_2"
             )
         else:
-            # CPU (Hugging Face Spaces Free Tier):
-            # 'offload_folder' ve 'device_map="auto"' KALDIRILDI.
-            # 2B model RAM'e (16GB) rahatça sığar. Diske taşımak hataya sebep oluyor.
-            base_model = Qwen2VLForConditionalGeneration.from_pretrained(
-                model_id,
-                torch_dtype=torch.float32,
-                trust_remote_code=True,
-                _attn_implementation="eager"  # CPU için kritik
-            ).to("cpu") 
-
-        # LoRA Adaptörünü Yükle
-        # Burada da offload_folder argümanını kaldırdık
-        model = PeftModel.from_pretrained(
-            base_model, 
-            adapter_id
-        )
-        
-        # Modeli değerlendirme moduna al
-        model.eval()
-        
-        processor = AutoProcessor.from_pretrained(model_id, trust_remote_code=True)
-        print("✅ Model başarıyla yüklendi!")
-        return model, processor
-        
-    except Exception as e:
-        print(f"❌ Model yükleme hatası detaylı: {str(e)}")
-        # Hatayı gradio ekranında da görmek için tekrar fırlatabiliriz ama
-        # uygulamanın çökmemesi için loglayıp devam ediyoruz.
-        raise e
-
-# Global değişkenler
-model, processor = load_model()
-
-# --- SINIFLANDIRMA FONKSİYONU ---
-def classify_satellite_image(image):
-    if image is None:
-        return "⚠️ Lütfen bir görüntü yükleyin.", ""
-    
-    try:
-        if not isinstance(image, Image.Image):
-            image = Image.fromarray(image)
-        
-        # Prompt
-        messages = [
-            {
-                "role": "user",
-                "content": [
-                    {"type": "image", "image": image},
-                    {"type": "text", "text": "Classify this satellite image into one of the following land use categories: AnnualCrop, Forest, HerbaceousVegetation, Highway, Industrial, Pasture, PermanentCrop, Residential, River, SeaLake. Only respond with the category name."}
-                ]
-            }
-        ]
-        
-        # Girdileri hazırla
-        text = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
-        image_inputs, video_inputs = process_vision_info(messages)
-        
-        inputs = processor(
-            text=[text],
-            images=image_inputs,
-            videos=video_inputs,
-            padding=True,
-            return_tensors="pt"
-        ).to(model.device)
-        
-        # Tahmin
-        with torch.no_grad():
-            generated_ids = model.generate(
-                **inputs,
-                max_new_tokens=32,
-                do_sample=False
-            )
-        
-        # Çıktıyı işle
-        generated_ids_trimmed = [
-            out_ids[len(in_ids):] 
-            for in_ids, out_ids in zip(inputs.input_ids, generated_ids)
-        ]
-        
-        result = processor.batch_decode(
-            generated_ids_trimmed, 
-            skip_special_tokens=True, 
-            clean_up_tokenization_spaces=False
-        )[0].strip()
-        
-        # Temizlik
-        clean_result = result.replace('.', '').strip()
-        
-        if clean_result in CLASS_DESCRIPTIONS:
-            formatted_result = CLASS_DESCRIPTIONS[clean_result]
-            display_text = f"### 🎯 Sonuç: {formatted_result}\n\n**Orijinal Sınıf:** `{clean_result}`"
-        else:
-            display_text = f"### 🤖 Model Çıktısı: {result}"
-            
-        return display_text, result
-        
-    except Exception as e:
-        return f"❌ Hata: {str(e)}", "Error"
-
-# --- ARAYÜZ ---
-with gr.Blocks(theme=gr.themes.Soft()) as demo:
-    
-    gr.HTML("""
-        <div style="text-align: center; padding: 20px;">
-            <h1 style="font-size: 2.5em; margin-bottom: 10px;">🛰️ GeoQwen-VL-2B-EuroSAT</h1>
-            <p style="font-size: 1.2em; color: #666;">Uydu Görüntülerinden Arazi Sınıflandırma</p>
-        </div>
-    """)
-    
-    with gr.Row():
-        with gr.Column():
-            input_image = gr.Image(label="Uydu Görüntüsü Yükle", type="pil", height=300)
-            classify_btn = gr.Button("🔍 Sınıflandır", variant="primary", size="lg")
-            
-        with gr.Column():
-            output_text = gr.Markdown(label="Analiz Sonucu", value="*Görüntü bekleniyor...*")
-            output_raw = gr.Textbox(label="Ham Çıktı", interactive=False)
-    
-    gr.HTML("""
-        <div style="margin-top: 20px; padding: 10px; background-color: #f0f0f0; border-radius: 5px;">
-            <p style="margin:0"><b>Not:</b>
+            # CPU (Hugging Face Spaces Free Tier)
+            # Offload ve device_map="auto" KAL