Akdenizz commited on
Commit
2dd94ad
·
verified ·
1 Parent(s): 2198c6e

Update app.py

Browse files
Files changed (1) hide show
  1. app.py +60 -117
app.py CHANGED
@@ -1,132 +1,75 @@
1
- import gradio as gr
2
  import torch
3
- import torch.nn as nn
4
  import os
 
5
 
6
- # ====================================================================
7
- # DİKKAT: MODEL MİMARİSİ VE YER TUTUCU PARAMETRELER
8
- # ====================================================================
9
-
10
- # Bu parametreler (VOCAB_SIZE, EMBED_DIM vb.) modelinizin eğitiminde kullandığınız
11
- # GERÇEK değerler OLMALIDIR. Aksi takdirde model yüklenirken "size mismatch" hatası alırsınız.
12
- # Tahmine dayalı YER TUTUCU değerleri kullanıyoruz:
13
- VOCAB_SIZE = 10000 # Kelime dağarcığınızın tam boyutu. MUTLAKA DOĞRU OLMALI.
14
- EMBED_DIM = 256 # Kelime vektörlerinin boyutu (embedding size)
15
- HIDDEN_DIM = 512 # LSTM gizli katman boyutu
16
- OUTPUT_DIM = VOCAB_SIZE # Çıktı boyutu (Genellikle VOCAB_SIZE)
17
- NUM_LAYERS = 2 # .pth anahtarlarından varsayılan katman sayısı
18
- BIDIRECTIONAL = True # .pth anahtarlarından varsayılan Çift Yönlü (Bidirectional)
19
-
20
- # Model ağırlık dosyasının adı
21
  MODEL_PATH = "advanced_chatbot_model.pth"
22
- DEVICE = torch.device('cpu') # Ücretsiz katman için CPU yeterlidir
23
-
24
- # --- 1. MODEL MİMARİSİ (Vücut Tanımı) ---
25
-
26
- class ChatbotModel(nn.Module):
27
- def __init__(self, vocab_size, embed_dim, hidden_dim, output_dim, num_layers, bidirectional):
28
- super().__init__()
29
-
30
- # Kelime vektörlerini oluşturur
31
- self.embedding = nn.Embedding(vocab_size, embed_dim)
32
-
33
- # Temel öğrenme katmanı (LSTM)
34
- self.lstm = nn.LSTM(embed_dim,
35
- hidden_dim,
36
- num_layers=num_layers,
37
- bidirectional=bidirectional,
38
- batch_first=True)
39
-
40
- # Son tahmin katmanı
41
- lstm_output_dim = hidden_dim * (2 if bidirectional else 1)
42
- self.fc = nn.Linear(lstm_output_dim, output_dim)
43
-
44
- def forward(self, text):
45
- embedded = self.embedding(text)
46
- output, (hidden, cell) = self.lstm(embedded)
47
-
48
- # Sequence to Sequence (diziden diziye) modeli varsayarak son zaman adımını kullanıyoruz.
49
- final_output = self.fc(output[:, -1, :])
50
-
51
- return final_output
52
 
53
- # --- 2. YARDIMCI FONKSİYONLAR (TOKENIZER/VOCAB eksikliği uyarısı) ---
 
 
 
54
 
55
- def tokenize_and_vectorize(text):
56
- # DİKKAT: Modelinizin ihtiyacı olan GERÇEK tokenizasyon ve kelime-sayı çevirisi burada olmalıdır.
57
- # Bu adımlar modelinizi eğitirken kullandığınız tokenizer/vocab dosyalarına bağlıdır.
58
- print(f"UYARI: Tokenizasyon atlandı. Gerçek tahmin için tokenizer/vocab gereklidir.")
59
-
60
- # Modelin girdisi: [batch_size, sequence_length]. Yer tutucu girdi oluşturuyoruz.
61
- sequence_length = 10
62
- dummy_input = torch.randint(0, VOCAB_SIZE, (1, sequence_length))
63
- return dummy_input
64
-
65
-
66
- # --- 3. MODEL YÜKLEME VE BAŞLATMA ---
67
-
68
- model = None
69
- try:
70
- # Model yapısını YER TUTUCU parametrelerle oluştur
71
- model_instance = ChatbotModel(VOCAB_SIZE, EMBED_DIM, HIDDEN_DIM, OUTPUT_DIM, NUM_LAYERS, BIDIRECTIONAL)
72
-
73
- # Ağırlıkları yükle
74
- model_instance.load_state_dict(torch.load(MODEL_PATH, map_location=DEVICE))
75
- model_instance.to(DEVICE)
76
- model_instance.eval()
77
-
78
- print(f"Başarılı: Model {MODEL_PATH} yüklendi.")
79
- model = model_instance
80
- model_loaded = True
81
-
82
- except Exception as e:
83
- print(f"HATA: Model yüklenirken bir sorun oluştu. Detay: {e}")
84
- print("Mimarideki (VOCAB_SIZE, EMBED_DIM vb.) değerlerin .pth dosyanızdaki ağırlıklarla eşleştiğinden emin olun.")
85
- model_loaded = False
86
-
87
-
88
- # --- 4. CHATBOT CEVAPLAMA FONKSİYONU ---
89
-
90
- def chatbot_cevapla(girdi_metni, history):
91
- if not model_loaded or model is None:
92
- return f"🚨 HATA: Model Yüklenemedi! Logları kontrol edin ve mimari parametrelerini (VOCAB_SIZE, EMBED_DIM vb.) modelinizin gerçek değerleriyle güncelleyin."
93
 
94
  try:
95
- # Metni modele verebilmek için sayıya çevir (TOKENİZASYON - ŞU AN YER TUTUCU)
96
- model_input = tokenize_and_vectorize(girdi_metni)
97
 
98
- # Modeli çalıştırma
99
- with torch.no_grad():
100
- output = model(model_input.to(DEVICE))
101
-
102
- # Model çıktısını kelime indexine çeviriyoruz.
103
- predicted_index = torch.argmax(output, dim=1).item()
104
-
 
 
 
 
 
 
 
 
105
 
106
- # Gerçek bir bot, bu indexi (predicted_index) bir kelimeye çevirmelidir (VOCAB gerektirir).
107
- # Şimdilik başarıyı göstermek için basit bir mesaj verelim.
 
 
108
 
109
- cevap = (f"✅ Model Yüklendi ve Çalıştı! Tahmin başarılı. \n"
110
- f"Siz sordunuz: '{girdi_metni}'\n"
111
- f"Modelin ilk tahmini (kelime indexi): {predicted_index}\n\n"
112
- f"⚠️ BİLGİ: Gerçek metin cevabı almanız için **modelinize ait tokenizer/vocabulary** dosyalarını da yükleyip koddaki `tokenize_and_vectorize` fonksiyonunu güncellemeniz gerekir.")
113
 
 
 
 
114
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
115
  except Exception as e:
116
- print(f"ÇALIŞMA HATA: Tahmin sırasında hata oluştu: {e}")
117
- cevap = f"❌ TAHMİN HATA: Çalışma sırasında hata oluştu. Detay: {e}"
118
-
119
- return cevap
120
-
121
- # --- 5. GRADIO ARAYÜZÜNÜ OLUŞTURMA KISMI ---
 
122
 
123
- # Hata düzeltmesi yapılmış başlık kullanımı
124
- gr.ChatInterface(
125
- fn=chatbot_cevapla,
126
- title=f'{os.environ.get("SPACE_TITLE", "Okyanusun")} Chatbot Modeli (Çalışıyor!)',
127
- description="PyTorch modeli mimarisi entegre edildi. Şimdi test edin.",
128
- examples=[
129
- ["Merhaba, nasılsın?"],
130
- ["Ekonomi nedir?"],
131
- ]
132
- ).launch()
 
 
1
  import torch
 
2
  import os
3
+ import sys
4
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
5
  MODEL_PATH = "advanced_chatbot_model.pth"
6
+ DEVICE = torch.device('cpu')
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
7
 
8
+ def get_model_params():
9
+ print("==========================================================")
10
+ print("### MODEL PARAMETRE ANALİZİ BAŞLADI ###")
11
+ print("==========================================================")
12
 
13
+ if not os.path.exists(MODEL_PATH):
14
+ print(f"HATA: Model dosyası ({MODEL_PATH}) bulunamadı. Lütfen dosya adını kontrol edin.")
15
+ return
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
16
 
17
  try:
18
+ # Ağırlıkları yükle
19
+ loaded_object = torch.load(MODEL_PATH, map_location=DEVICE)
20
 
21
+ # State Dictionary'yi bul (model kaydetme şeklinize göre değişebilir)
22
+ if isinstance(loaded_object, dict) and 'model_state_dict' in loaded_object:
23
+ state_dict = loaded_object['model_state_dict']
24
+ print("Bilgi: 'model_state_dict' anahtarı kullanılarak ağırlıklar yüklendi.")
25
+ elif isinstance(loaded_object, dict):
26
+ state_dict = loaded_object
27
+ print("Bilgi: Yüklenen dosya doğrudan state_dict olarak algılandı.")
28
+ else:
29
+ print("HATA: Yüklenen dosya bir sözlük (dictionary) veya state_dict içermiyor.")
30
+ return
31
+
32
+ # 1. VOCAB_SIZE ve EMBED_DIM (embedding.weight: [VOCAB_SIZE, EMBED_DIM])
33
+ embed_shape = state_dict['embedding.weight'].shape
34
+ VOCAB_SIZE = embed_shape[0]
35
+ EMBED_DIM = embed_shape[1]
36
 
37
+ # 2. HIDDEN_DIM (lstm.weight_hh_l0: [4*H, H] olmalı, H gizli boyut)
38
+ # Bidirectional olduğu için ilk katmanın gizli ağırlığının 2. boyutu (index 1) Hidden Dim'i verir.
39
+ lstm_hh_shape = state_dict['lstm.weight_hh_l0'].shape
40
+ HIDDEN_DIM = lstm_hh_shape[1]
41
 
42
+ # 3. INTERMEDIATE_DIM (fc1.bias: [INTERMEDIATE_DIM])
43
+ fc1_bias_shape = state_dict['fc1.bias'].shape
44
+ INTERMEDIATE_DIM = fc1_bias_shape[0]
 
45
 
46
+ # 4. OUTPUT_DIM (fc2.weight: [OUTPUT_DIM, INTERMEDIATE_DIM] olmalı)
47
+ fc2_shape = state_dict['fc2.weight'].shape
48
+ OUTPUT_DIM = fc2_shape[0]
49
 
50
+ print("==========================================================")
51
+ print("TESPİT EDİLEN GERÇEK MODEL PARAMETRELERİ:")
52
+ print(f"1. VOCAB_SIZE (Kelime Dağarcığı Boyutu): {VOCAB_SIZE}")
53
+ print(f"2. EMBED_DIM (Gömülü Vektör Boyutu): {EMBED_DIM}")
54
+ print(f"3. HIDDEN_DIM (LSTM Gizli Boyutu): {HIDDEN_DIM}")
55
+ print(f"4. INTERMEDIATE_DIM (Ara Katman Boyutu): {INTERMEDIATE_DIM}")
56
+ print("==========================================================")
57
+ print("Modelin başarılı bir şekilde yüklenmesi için bu dört değeri kullanacağız.")
58
+
59
+
60
+ except KeyError as e:
61
+ print("==========================================================")
62
+ print(f"ANAHTAR HATASI: '{e}' anahtarı bulunamadı.")
63
+ print("Bu, modelinizdeki katman adlarının (embedding, lstm, fc1, fc2) kodla uyuşmadığı anlamına gelir.")
64
+ print("==========================================================")
65
  except Exception as e:
66
+ print("==========================================================")
67
+ print("ÇÖZÜMLEME BAŞARISIZ OLDU. DİĞER HATA MESAJI:")
68
+ print(e)
69
+ print("==========================================================")
70
+
71
+ # Bu kod Gradio arayüzünü başlatmayı denemeyecektir.
72
+ sys.exit(0)
73
 
74
+ if __name__ == '__main__':
75
+ get_model_params()