Update app.py

app.py

@@ -1,25 +1,10 @@
 # app.py
-# ⚠️ NÃO REMOVA: Força instalação de pacotes críticos antes de qualquer import
-
 import os
-import shutil
-
-        ])
-        print("✅ Pacotes essenciais instalados!")
-    except Exception as e:
-        print(f"❌ Falha na instalação forçada: {e}")
-
-# Executa apenas uma vez por sessão
-if not os.path.exists("/tmp/packages_installed"):
-    install_packages()
-    with open("/tmp/packages_installed", "w") as f:
-        f.write("ok")
-
-# Agora sim, imports seguros
 import gradio as gr
 from preprocess import process_dataset
 import subprocess
 import zipfile
+import shutil
 import time
 
 def train_lora_interface(
@@ -33,15 +18,14 @@ def train_lora_interface(
         yield "❌ Por favor, defina um nome para o conceito (ex: brenda)."
         return
     if not description.strip():
-        yield "❌ Por favor, adicione uma descrição base (ex: mulher, 30 anos, cabelo cacheado)."
+        yield "❌ Por favor, adicione uma descrição base."
         return
 
     concept_name = concept_name.strip().replace(" ", "_")
     full_description = f"{description.strip()}, {concept_name}"
 
-    yield f"🏷️ Treinando conceito: '{concept_name}' → Prompt: [photo of {concept_name}]"
+    yield f"🏷️ Treinando: '{concept_name}'"
 
-    # Pasta de trabalho
     dataset_dir = "processed_data"
     os.makedirs(dataset_dir, exist_ok=True)
 
@@ -64,43 +48,40 @@ def train_lora_interface(
             yield "❌ Arquivo não é um ZIP válido."
             return
 
-        yield "📦 Descompactando ZIP..."
+        yield "📦 Descompactando..."
         with zipfile.ZipFile(zip_file, 'r') as z:
             z.extractall(dataset_dir)
         yield f"✅ ZIP extraído! {len(z.namelist())} arquivos."
 
-    else:  # Múltiplas imagens
+    else:
         image_files = dataset_input if isinstance(dataset_input, list) else [dataset_input]
-        yield f"🖼️ Recebidas {len(image_files)} imagens. Copiando..."
+        yield f"🖼️ Copiando {len(image_files)} imagens..."
 
         for uploaded_file in image_files:
             if hasattr(uploaded_file, 'name'):
-                src_path = uploaded_file.name
-                filename = os.path.basename(src_path)
-                dest_path = os.path.join(dataset_dir, filename)
-                shutil.copy(src_path, dest_path)  # Usa copy, não rename
-            else:
-                yield f"⚠️ Arquivo inválido: {uploaded_file}"
+                src = uploaded_file.name
+                dest = os.path.join(dataset_dir, os.path.basename(src))
+                shutil.copy(src, dest)
         
         yield f"✅ {len(image_files)} imagens copiadas."
 
-    # --- ETAPA 2: Verifica imagens e gera legendas ---
-    image_extensions = ('.png', '.jpg', '.jpeg', '.bmp', '.webp')
-    image_files = [f for f in os.listdir(dataset_dir) if f.lower().endswith(image_extensions)]
-
-    if len(image_files) == 0:
-        yield "❌ Nenhuma imagem encontrada. Envie arquivos válidos."
+    # --- ETAPA 2: Gera legendas ---
+    exts = ('.png', '.jpg', '.jpeg', '.bmp', '.webp')
+    images = [f for f in os.listdir(dataset_dir) if f.lower().endswith(exts)]
+    
+    if len(images) == 0:
+        yield "❌ Nenhuma imagem encontrada!"
         return
 
-    yield f"📝 Aplicando legenda base: '{full_description}'"
+    yield f"📝 Aplicando legenda: '{full_description}'"
 
-    for img_name in image_files:
-        txt_path = os.path.join(dataset_dir, os.path.splitext(img_name)[0] + ".txt")
-        if not os.path.exists(txt_path):
-            with open(txt_path, "w", encoding="utf-8") as f:
+    for img in images:
+        txt = os.path.join(dataset_dir, os.path.splitext(img)[0] + ".txt")
+        if not os.path.exists(txt):
+            with open(txt, "w", encoding="utf-8") as f:
                 f.write(full_description)
 
-    yield "🔍 Legendas aplicadas com sucesso!"
+    yield "🔍 Legendas prontas!"
 
     # --- ETAPA 3: Treinamento ---
     output_dir = "lora-output"
@@ -119,11 +100,9 @@ def train_lora_interface(
 
     if hub_token:
         os.environ["HF_TOKEN"] = hub_token
-        cmd.append("--push_to_hub")
-        cmd.append("--hub_model_id")
-        cmd.append(f"{concept_name}-lora")
+        cmd += ["--push_to_hub", "--hub_model_id", f"{concept_name}-lora"]
 
-    yield "🔥 Iniciando treinamento LoRA... Isso pode levar alguns minutos."
+    yield "🔥 Iniciando treinamento..."
 
     try:
         process = subprocess.Popen(
@@ -145,22 +124,22 @@ def train_lora_interface(
 
         if process.returncode == 0:
             yield f"""
-🎉 TREINAMENTO CONCLUÍDO!
+🎉 SUCESSO!
 
 🔹 Use no prompt: `photo of {concept_name} in the forest`
 🔹 Modelo salvo em: `{output_dir}`
 {'🔹 Publicado no Hub!' if hub_token else ''}
             """
         else:
-            yield f"❌ Treinamento falhou. Código: {process.returncode}\nLogs:\n{log_output[-1000:]}"
+            yield f"❌ Falha no treinamento. Código: {process.returncode}\nLogs:\n{log_output[-1000:]}"
 
     except Exception as e:
-        yield f"💥 Erro ao executar treinamento: {str(e)}"
+        yield f"💥 Erro: {str(e)}"
 
-# --- Interface Gradio ---
+# --- Interface ---
 with gr.Blocks(theme=gr.themes.Soft()) as demo:
     gr.Markdown("# 🎨 Treinador de LoRA - Hugging Face")
-    gr.Markdown("Treine seu próprio modelo com nome, descrição e imagens!")
+    gr.Markdown("Treine personagens, estilos ou objetos personalizados.")
 
     with gr.Row():
         input_type = gr.Radio(
@@ -176,21 +155,21 @@ with gr.Blocks(theme=gr.themes.Soft()) as demo:
             file_count="multiple"
         )
 
-    gr.Markdown("### 🔖 Identidade do Personagem/Conceito")
+    gr.Markdown("### 🔖 Identidade do Personagem")
     with gr.Row():
         concept_name = gr.Textbox(
             label="Nome do Conceito (ex: brenda)",
-            placeholder="Ex: brenda, cyborg_x, estilo_pintura",
+            placeholder="Ex: brenda, cyborg_x",
             value=""
         )
     with gr.Row():
         description = gr.Textbox(
-            label="Descrição Base (ex: woman, curly hair, realistic)",
-            placeholder="Ex: young black woman, warm smile, detailed face",
+            label="Descrição Base (ex: woman, curly hair)",
+            placeholder="Ex: young black woman, realistic style",
             lines=2
         )
 
-    gr.Markdown("### ⚙️ Configurações do Treinamento")
+    gr.Markdown("### ⚙️ Configurações")
     with gr.Row():
         model_name = gr.Dropdown(
             ["runwayml/stable-diffusion-v1-5"],
@@ -201,10 +180,10 @@ with gr.Blocks(theme=gr.themes.Soft()) as demo:
         learning_rate = gr.Number(value=1e-4, label="Taxa de Aprendizado")
         num_epochs = gr.Slider(1, 30, value=10, step=1, label="Épocas")
 
-    hub_token = gr.Textbox(label="🔐 Token do Hugging Face (opcional)", type="password")
+    hub_token = gr.Textbox(label="🔐 Token do HF (opcional)", type="password")
 
     btn = gr.Button("🚀 Iniciar Treinamento", variant="primary")
-    output = gr.Textbox(label="📦 Logs e Resultado", lines=12)
+    output = gr.Textbox(label="📦 Logs", lines=12)
 
     btn.click(
         train_lora_interface,
@@ -215,8 +194,6 @@ with gr.Blocks(theme=gr.themes.Soft()) as demo:
         outputs=output
     )
 
-# Ativa suporte a yield
 demo.queue()
-
 if __name__ == "__main__":
     demo.launch()