Update app.py

app.py

@@ -1,12 +1,12 @@
 import gradio as gr
 import torch
-from transformers import Qwen2VLForConditionalGeneration, AutoProcessor
+from transformers import Qwen2VLForConditionalGeneration, AutoProcessor, BitsAndBytesConfig
 from peft import PeftModel
 from qwen_vl_utils import process_vision_info
 from PIL import Image
 import os
 
-# EuroSAT sınıfları
+# --- AYARLAR ---
 CLASS_DESCRIPTIONS = {
     "AnnualCrop": "🌾 Yıllık Tarım Alanı",
     "Forest": "🌲 Orman",
@@ -20,63 +20,75 @@ CLASS_DESCRIPTIONS = {
     "SeaLake": "🏞️ Deniz/Göl"
 }
 
-# GPU kontrolü
 DEVICE = "cuda" if torch.cuda.is_available() else "cpu"
-print(f"Kullanılan cihaz: {DEVICE}")
+print(f"🚀 Kullanılan cihaz: {DEVICE}")
 
-# Model yükleme
-print("Model yükleniyor...")
-
-if DEVICE == "cuda":
-    # GPU varsa 4-bit quantization
-    from transformers import BitsAndBytesConfig
-    bnb_config = BitsAndBytesConfig(
-        load_in_4bit=True,
-        bnb_4bit_quant_type="nf4",
-        bnb_4bit_compute_dtype=torch.float16
-    )
-    base_model = Qwen2VLForConditionalGeneration.from_pretrained(
-        "Qwen/Qwen2-VL-2B-Instruct",
-        quantization_config=bnb_config,
-        device_map="auto",
-        trust_remote_code=True
-    )
-else:
-    # CPU mode - offload ile
-    os.makedirs("offload", exist_ok=True)
-    base_model = Qwen2VLForConditionalGeneration.from_pretrained(
-        "Qwen/Qwen2-VL-2B-Instruct",
-        torch_dtype=torch.float32,
-        device_map="auto",
-        offload_folder="offload",
-        trust_remote_code=True
-    )
-
-model = PeftModel.from_pretrained(
-    base_model, 
-    "tugrulkaya/GeoQwen-VL-2B-EuroSAT",
-    offload_folder="offload" if DEVICE == "cpu" else None
-)
-model.eval()
+# --- MODEL YÜKLEME ---
+def load_model():
+    print("⏳ Model yükleniyor...")
+    try:
+        model_id = "Qwen/Qwen2-VL-2B-Instruct"
+        adapter_id = "tugrulkaya/GeoQwen-VL-2B-EuroSAT"
+        
+        if DEVICE == "cuda":
+            # GPU Ayarları
+            bnb_config = BitsAndBytesConfig(
+                load_in_4bit=True,
+                bnb_4bit_quant_type="nf4",
+                bnb_4bit_compute_dtype=torch.float16
+            )
+            base_model = Qwen2VLForConditionalGeneration.from_pretrained(
+                model_id,
+                quantization_config=bnb_config,
+                device_map="auto",
+                trust_remote_code=True,
+                _attn_implementation="flash_attention_2" # Sadece GPU varsa
+            )
+        else:
+            # CPU Ayarları (Spaces Free Tier için Kritik)
+            # Offload klasörü oluştur
+            os.makedirs("offload", exist_ok=True)
+            
+            base_model = Qwen2VLForConditionalGeneration.from_pretrained(
+                model_id,
+                torch_dtype=torch.float32,
+                device_map="auto",
+                offload_folder="offload",
+                trust_remote_code=True,
+                low_cpu_mem_usage=True,
+                _attn_implementation="eager"  # <--- BU ÇOK ÖNEMLİ: CPU'da flash attn çalışmaz
+            )
 
-processor = AutoProcessor.from_pretrained(
-    "Qwen/Qwen2-VL-2B-Instruct",
-    trust_remote_code=True
-)
+        # LoRA Adaptörünü Yükle
+        model = PeftModel.from_pretrained(
+            base_model, 
+            adapter_id,
+            offload_folder="offload" if DEVICE == "cpu" else None
+        )
+        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: {str(e)}")
+        raise e
 
-print("Model başarıyla yüklendi!")
+# Global değişkenler olarak yükle
+model, processor = load_model()
 
+# --- SINIFLANDIRMA FONKSİYONU ---
 def classify_satellite_image(image):
-    """Uydu görüntüsünü sınıflandır"""
     if image is None:
         return "⚠️ Lütfen bir görüntü yükleyin.", ""
     
     try:
-        # Görüntüyü PIL formatına çevir
+        # Görüntü kontrolü
         if not isinstance(image, Image.Image):
             image = Image.fromarray(image)
         
-        # Mesaj hazırla
+        # Prompt
         messages = [
             {
                 "role": "user",
@@ -87,7 +99,7 @@ def classify_satellite_image(image):
             }
         ]
         
-        # İşleme
+        # Hazırlık
         text = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
         image_inputs, video_inputs = process_vision_info(messages)
         
@@ -103,7 +115,7 @@ def classify_satellite_image(image):
         with torch.no_grad():
             generated_ids = model.generate(
                 **inputs,
-                max_new_tokens=20,
+                max_new_tokens=32,
                 do_sample=False
             )
         
@@ -118,87 +130,56 @@ def classify_satellite_image(image):
             clean_up_tokenization_spaces=False
         )[0].strip()
         
-        # Sonucu formatla
-        if result in CLASS_DESCRIPTIONS:
-            formatted_result = CLASS_DESCRIPTIONS[result]
-            confidence_text = f"**Tahmin:** {formatted_result}\n\n**Sınıf:** `{result}`"
+        # Sonuç Temizleme (Bazen model nokta vb. ekleyebilir)
+        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:
-            confidence_text = f"**Tahmin:** {result}"
+            display_text = f"### 🤖 Model Çıktısı: {result}"
+            clean_result = result
         
-        return confidence_text, result
+        return display_text, clean_result
         
     except Exception as e:
-        return f"❌ Hata oluştu: {str(e)}", ""
+        return f"❌ Hata: {str(e)}", "Error"
 
-# Gradio arayüzü
+# --- 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>
+            <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(scale=1):
-            input_image = gr.Image(
-                label="📷 Uydu Görüntüsü Yükle",
-                type="pil",
-                height=350
-            )
-            
-            classify_btn = gr.Button(
-                "🔍 Sınıflandır", 
-                variant="primary",
-                size="lg"
-            )
+        with gr.Column():
+            input_image = gr.Image(label="Uydu Görüntüsü Yükle", type="pil", height=300)
+            classify_btn = gr.Button("🔍 Sınıflandır", variant="primary", size="lg")
             
-            gr.HTML("""
-                <div style="margin-top: 15px; padding: 15px; background: #e8f4f8; border-radius: 8px;">
-                    <h4 style="margin: 0 0 10px 0;">📌 Desteklenen Sınıflar:</h4>
-                    <div style="display: grid; grid-template-columns: 1fr 1fr; gap: 5px; font-size: 0.9em;">
-                        <span>🌾 Yıllık Tarım</span>
-                        <span>🌲 Orman</span>
-                        <span>🌿 Otsu Bitki</span>
-                        <span>🛣️ Otoyol</span>
-                        <span>🏭 Endüstriyel</span>
-                        <span>🐄 Mera</span>
-                        <span>🍇 Kalıcı Tarım</span>
-                        <span>🏘️ Yerleşim</span>
-                        <span>🌊 Nehir</span>
-                        <span>🏞️ Deniz/Göl</span>
-                    </div>
-                </div>
-            """)
-        
-        with gr.Column(scale=1):
-            output_text = gr.Markdown(
-                label="Sonuç",
-                value="*Bir görüntü yükleyip 'Sınıflandır' butonuna tıklayın...*"
-            )
-            
-            output_class = gr.Textbox(
-                label="Ham Çıktı (Raw Output)",
-                interactive=False
+            # Örnek sınıfları göster
+            gr.Examples(
+                examples=[], # Buraya örnek resim yolları eklenebilir
+                inputs=input_image
             )
+
+        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="text-align: center; margin-top: 30px; padding: 20px; border-top: 1px solid #eee;">
-            <p style="color: #888; font-size: 0.9em;">
-                🤗 <a href="https://huggingface.co/tugrulkaya/GeoQwen-VL-2B-EuroSAT" target="_blank">tugrulkaya/GeoQwen-VL-2B-EuroSAT</a>
-            </p>
+        <div style="margin-top: 20px; padding: 10px; background-color: #f0f0f0; border-radius: 5px;">
+            <p style="margin:0"><b>Not:</b> CPU üzerinde çalışıyorsa işlem 10-30 saniye sürebilir.</p>
         </div>
     """)
-    
+
     classify_btn.click(
         fn=classify_satellite_image,
         inputs=[input_image],
-        outputs=[output_text, output_class]
+        outputs=[output_text, output_raw]
     )
 
 if __name__ == "__main__":