Update app.py

app.py

@@ -1,10 +1,38 @@
 # app.py
+# ⚠️ NÃO REMOVA: Força instalação de pacotes críticos antes de qualquer import
+import subprocess
+import sys
 import os
+import shutil
+
+def install_packages():
+    print("🔧 Forçando reinstalação de diffusers e huggingface_hub...")
+    try:
+        subprocess.check_call([
+            sys.executable, "-m", "pip", "install",
+            "--force-reinstall",
+            "diffusers>=0.26.0",
+            "huggingface-hub>=0.20.0",
+            "accelerate",
+            "peft",
+            "torch==2.3.0",
+            "transformers==4.40.0"
+        ])
+        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(
@@ -24,7 +52,7 @@ def train_lora_interface(
     concept_name = concept_name.strip().replace(" ", "_")
     full_description = f"{description.strip()}, {concept_name}"
 
-    yield f"🏷️ Treinando conceito: '{concept_name}'"
+    yield f"🏷️ Treinando conceito: '{concept_name}' → Prompt: [photo of {concept_name}]"
 
     # Pasta de trabalho
     dataset_dir = "processed_data"
@@ -41,15 +69,14 @@ def train_lora_interface(
         except Exception as e:
             yield f"⚠️ Erro ao limpar: {e}"
 
-    # --- ETAPA 1: Processar entrada (ZIP ou múltiplas imagens) ---
+    # --- ETAPA 1: Processar entrada ---
     if input_type == "Upload de ZIP":
-        # dataset_input é uma lista? Pega o primeiro item
         zip_file = dataset_input[0] if isinstance(dataset_input, list) else dataset_input
         
         if not zipfile.is_zipfile(zip_file):
             yield "❌ Arquivo não é um ZIP válido."
             return
-        
+
         yield "📦 Descompactando ZIP..."
         with zipfile.ZipFile(zip_file, 'r') as z:
             z.extractall(dataset_dir)
@@ -60,30 +87,26 @@ def train_lora_interface(
         yield f"🖼️ Recebidas {len(image_files)} imagens. Copiando..."
 
         for uploaded_file in image_files:
-            # O Gradio dá um objeto com .name (caminho completo)
             if hasattr(uploaded_file, 'name'):
                 src_path = uploaded_file.name
                 filename = os.path.basename(src_path)
                 dest_path = os.path.join(dataset_dir, filename)
-                
-                # COPIA (não renomeia) porque /tmp é somente leitura
-                shutil.copy(src_path, dest_path)
+                shutil.copy(src_path, dest_path)  # Usa copy, não rename
             else:
                 yield f"⚠️ Arquivo inválido: {uploaded_file}"
         
-        yield f"✅ {len(image_files)} imagens copiadas para {dataset_dir}."
+        yield f"✅ {len(image_files)} imagens copiadas."
 
-    # --- ETAPA 2: Verifica e gera legendas ---
+    # --- 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 imagens válidas (.jpg, .png, etc.)."
+        yield "❌ Nenhuma imagem encontrada. Envie arquivos válidos."
         return
 
-    yield f"📝 Gerando legendas personalizadas para {len(image_files)} imagens..."
+    yield f"📝 Aplicando legenda base: '{full_description}'"
 
-    # Gera .txt com descrição + conceito
     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):
@@ -113,7 +136,7 @@ def train_lora_interface(
         cmd.append("--hub_model_id")
         cmd.append(f"{concept_name}-lora")
 
-    yield "🔥 Iniciando treinamento LoRA... Isso pode levar minutos."
+    yield "🔥 Iniciando treinamento LoRA... Isso pode levar alguns minutos."
 
     try:
         process = subprocess.Popen(
@@ -142,15 +165,15 @@ def train_lora_interface(
 {'🔹 Publicado no Hub!' if hub_token else ''}
             """
         else:
-            yield f"❌ Falha no treinamento. Código: {process.returncode}\nLogs:\n{log_output[-1000:]}"
+            yield f"❌ Treinamento falhou. Código: {process.returncode}\nLogs:\n{log_output[-1000:]}"
 
     except Exception as e:
-        yield f"💥 Erro crítico: {str(e)}"
+        yield f"💥 Erro ao executar treinamento: {str(e)}"
 
 # --- Interface Gradio ---
 with gr.Blocks(theme=gr.themes.Soft()) as demo:
     gr.Markdown("# 🎨 Treinador de LoRA - Hugging Face")
-    gr.Markdown("Treine personagens, estilos ou objetos com nome e descrição!")
+    gr.Markdown("Treine seu próprio modelo com nome, descrição e imagens!")
 
     with gr.Row():
         input_type = gr.Radio(
@@ -170,13 +193,13 @@ with gr.Blocks(theme=gr.themes.Soft()) as demo:
     with gr.Row():
         concept_name = gr.Textbox(
             label="Nome do Conceito (ex: brenda)",
-            placeholder="Ex: brenda, super_heroi",
+            placeholder="Ex: brenda, cyborg_x, estilo_pintura",
             value=""
         )
     with gr.Row():
         description = gr.Textbox(
-            label="Descrição Base (ex: woman, curly hair, brown eyes)",
-            placeholder="Ex: young black woman, realistic, warm smile",
+            label="Descrição Base (ex: woman, curly hair, realistic)",
+            placeholder="Ex: young black woman, warm smile, detailed face",
             lines=2
         )