Update model_definition.py

model_definition.py

@@ -1187,152 +1187,239 @@ class InterfuserModel(nn.Module):
 # ============================================================================
 # دوال مساعدة لتحميل النموذج
 # ============================================================================
+# ==============================================================================
+# ملف: config_and_loader.py
+# هذا هو المصدر الوحيد للحقيقة لجميع الإعدادات وعملية تحميل النموذج.
+# ==============================================================================
 
-def load_and_prepare_model(config, device):
+import logging
+import torch
+from interfuser_model import Interfuser # تأكد من أن اسم ملف النموذج صحيح
+
+def get_master_config(model_path="model/best_model.pth"):
     """
-    يقوم بإنشاء النموذج وتحميل الأوزان المدربة مسبقًا.
-    
-    Args:
-        config (dict): إعدادات النموذج والمسارات
-        device (torch.device): الجهاز المستهدف (CPU/GPU)
+    [النسخة الكاملة والنهائية]
+    ينشئ ويدمج كل الإعدادات المطلوبة للتطبيق (النموذج، المتتبع، المتحكم).
+    """
+    model_params = {
+        "img_size": 224, "embed_dim": 256, "enc_depth": 6, "dec_depth": 6,
+        "rgb_backbone_name": 'r50', "lidar_backbone_name": 'r18',
+        "waypoints_pred_head": 'gru', "use_different_backbone": True,
+        "with_lidar": False, "with_right_left_sensors": False,
+        "with_center_sensor": False, "multi_view_img_size": 112,
+        "patch_size": 8, "in_chans": 3, "dim_feedforward": 2048,
+        "normalize_before": False, "num_heads": 8, "dropout": 0.1,
+        "end2end": False, "direct_concat": False, "separate_view_attention": False,
+        "separate_all_attention": False, "freeze_num": -1,
+        "traffic_pred_head_type": "det", "reverse_pos": True,
+        "use_view_embed": False, "use_mmad_pretrain": None,
+    }
+
+    grid_conf = {
+        'h': 20, 'w': 20, 'x_res': 1.0, 'y_res': 1.0,
+        'y_min': 0.0, 'y_max': 20.0, 'x_min': -10.0, 'x_max': 10.0,
+    }
+
+    controller_params = {
+        'turn_KP': 0.75, 'turn_KI': 0.05, 'turn_KD': 0.25, 'turn_n': 20,
+        'speed_KP': 0.55, 'speed_KI': 0.05, 'speed_KD': 0.15, 'speed_n': 20,
+        'max_speed': 8.0, 'max_throttle': 0.75, 'min_speed': 0.1,
+        'brake_sensitivity': 0.3, 'light_threshold': 0.5, 'stop_threshold': 0.6,
+        'stop_sign_duration': 20, 'max_stop_time': 250,
+        'forced_move_duration': 20, 'forced_throttle': 0.5,
+        'max_red_light_time': 150, 'red_light_block_duration': 80,
+        'accel_rate': 0.1, 'decel_rate': 0.2, 'critical_distance': 4.0,
+        'follow_distance': 10.0, 'speed_match_factor': 0.9,
+        'tracker_match_thresh': 2.5, 'tracker_prune_age': 5,
+        'follow_grace_period': 20
+    }
+
+    master_config = {
+        'model_params': model_params,
+        'grid_conf': grid_conf,
+        'controller_params': controller_params,
+        'paths': {'pretrained_weights': model_path},
+        'simulation': {'frequency': 10.0}
+    }
     
-    Returns:
-        InterfuserModel: النموذج المحمل
+    return master_config
+
+
+def load_and_prepare_model(device: torch.device) -> Interfuser:
+    """
+    [النسخة النهائية الصحيحة - تستقبل مدخلاً واحدًا فقط]
+    تستخدم دالة الإعدادات الرئيسية لإنشاء وتحميل النموذج.
     """
     try:
-        # إنشاء النموذج
-        model = InterfuserModel(**config.get('model_params', {})).to(device)
-        logging.info(f"تم إنشاء النموذج على الجهاز: {device}")
+        logging.info("Attempting to load model using master config...")
+        # 1. الحصول على كل الإعدادات من المصدر الوحيد للحقيقة
+        config = get_master_config()
         
-        # تحميل الأوزان إذا كان المسار محدد
-        checkpoint_path = config.get('paths', {}).get('pretrained_weights')
-        if checkpoint_path:
-            success = model.load_pretrained(checkpoint_path, strict=False)
-            if success:
-                logging.info("✅ تم تحميل النموذج والأوزان بنجاح")
-            else:
-                logging.warning("⚠️ تم إنشاء النموذج بأوزان عشوائية")
-        else:
-            logging.info("لم يتم تحديد مسار الأوزان، سيتم استخدام أوزان عشوائية")
+        # 2. إنشاء النموذج باستخدام إعدادات النموذج فقط
+        model = Interfuser(**config['model_params']).to(device)
+        logging.info(f"Model instantiated on device: {device}")
+        
+        # 3. تحميل الأوزان باستخدام الدالة الداخلية للنموذج
+        checkpoint_path = config['paths']['pretrained_weights']
+        model.load_pretrained(checkpoint_path, strict=False)
         
-        # وضع النموذج في وضع التقييم
+        # 4. وضع النموذج في وضع التقييم
         model.eval()
+        logging.info("✅ Model prepared and set to evaluation mode.")
         
         return model
         
     except Exception as e:
-        logging.error(f"خطأ في إنشاء النموذج: {str(e)}")
+        logging.error(f"❌ CRITICAL ERROR in load_and_prepare_model: {e}", exc_info=True)
         raise
 
 
-def create_model_config(model_path="model/best_model.pth", **model_params):
-    """
-    إنشاء إعدادات النموذج باستخدام الإعدادات الصحيحة من التدريب
+
+# def load_and_prepare_model(config, device):
+#     """
+#     يقوم بإنشاء النموذج وتحميل الأوزان المدربة مسبقًا.
     
-    Args:
-        model_path (str): مسار ملف الأوزان
-        **model_params: معاملات النموذج الإضافية
+#     Args:
+#         config (dict): إعدادات النموذج والمسارات
+#         device (torch.device): الجهاز المستهدف (CPU/GPU)
     
-    Returns:
-        dict: إعدادات النموذج
-    """
-    # الإعدادات الصحيحة من كونفيج التدريب الأصلي
-    training_config_params = {
-        "img_size": 224,
-        "embed_dim": 256,  # مهم: هذه القيمة من التدريب الأصلي
-        "enc_depth": 6,
-        "dec_depth": 6,
-        "rgb_backbone_name": 'r50',
-        "lidar_backbone_name": 'r18',
-        "waypoints_pred_head": 'gru',
-        "use_different_backbone": True,
-        "with_lidar": False,
-        "with_right_left_sensors": False,
-        "with_center_sensor": False,
+#     Returns:
+#         InterfuserModel: النموذج المحمل
+#     """
+#     try:
+#         # إنشاء النموذج
+#         model = InterfuserModel(**config.get('model_params', {})).to(device)
+#         logging.info(f"تم إنشاء النموذج على الجهاز: {device}")
         
-        # إعدادات إضافية من الكونفيج الأصلي
-        "multi_view_img_size": 112,
-        "patch_size": 8,
-        "in_chans": 3,
-        "dim_feedforward": 2048,
-        "normalize_before": False,
-        "num_heads": 8,
-        "dropout": 0.1,
-        "end2end": False,
-        "direct_concat": False,
-        "separate_view_attention": False,
-        "separate_all_attention": False,
-        "freeze_num": -1,
-        "traffic_pred_head_type": "det",
-        "reverse_pos": True,
-        "use_view_embed": False,
-        "use_mmad_pretrain": None,
-    }
+#         # تحميل الأوزان إذا كان المسار محدد
+#         checkpoint_path = config.get('paths', {}).get('pretrained_weights')
+#         if checkpoint_path:
+#             success = model.load_pretrained(checkpoint_path, strict=False)
+#             if success:
+#                 logging.info("✅ تم تحميل النموذج والأوزان بنجاح")
+#             else:
+#                 logging.warning("⚠️ تم إنشاء النموذج بأوزان عشوائية")
+#         else:
+#             logging.info("لم يتم تحديد مسار الأوزان، سيتم استخدام أوزان عشوائية")
+        
+#         # وضع النموذج في وضع التقييم
+#         model.eval()
+        
+#         return model
+        
+#     except Exception as e:
+#         logging.error(f"خطأ في إنشاء النموذج: {str(e)}")
+#         raise
+
+
+# def create_model_config(model_path="model/best_model.pth", **model_params):
+#     """
+#     إنشاء إعدادات النموذج باستخدام الإعدادات الصحيحة من التدريب
     
-    # دمج المعاملات المخصصة مع الإعدادات من التدريب
-    training_config_params.update(model_params)
+#     Args:
+#         model_path (str): مسار ملف الأوزان
+#         **model_params: معاملات النموذج الإضافية
     
-    config = {
-        'model_params': training_config_params,
-        'paths': {
-            'pretrained_weights': model_path
-        },
+#     Returns:
+#         dict: إعدادات النموذج
+#     """
+#     # الإعدادات الصحيحة من كونفيج التدريب الأصلي
+#     training_config_params = {
+#         "img_size": 224,
+#         "embed_dim": 256,  # مهم: هذه القيمة من التدريب الأصلي
+#         "enc_depth": 6,
+#         "dec_depth": 6,
+#         "rgb_backbone_name": 'r50',
+#         "lidar_backbone_name": 'r18',
+#         "waypoints_pred_head": 'gru',
+#         "use_different_backbone": True,
+#         "with_lidar": False,
+#         "with_right_left_sensors": False,
+#         "with_center_sensor": False,
         
-        # إضافة إعدادات الشبكة من التدريب
-        'grid_conf': {
-            'h': 20, 'w': 20,
-            'x_res': 1.0, 'y_res': 1.0,
-            'y_min': 0.0, 'y_max': 20.0,
-            'x_min': -10.0, 'x_max': 10.0,
-        },
+#         # إعدادات إضافية من الكونفيج الأصلي
+#         "multi_view_img_size": 112,
+#         "patch_size": 8,
+#         "in_chans": 3,
+#         "dim_feedforward": 2048,
+#         "normalize_before": False,
+#         "num_heads": 8,
+#         "dropout": 0.1,
+#         "end2end": False,
+#         "direct_concat": False,
+#         "separate_view_attention": False,
+#         "separate_all_attention": False,
+#         "freeze_num": -1,
+#         "traffic_pred_head_type": "det",
+#         "reverse_pos": True,
+#         "use_view_embed": False,
+#         "use_mmad_pretrain": None,
+#     }
+    
+#     # دمج المعاملات المخصصة مع الإعدادات من التدريب
+#     training_config_params.update(model_params)
+    
+#     config = {
+#         'model_params': training_config_params,
+#         'paths': {
+#             'pretrained_weights': model_path
+#         },
         
-        # معلومات إضافية عن التدريب
-        'training_info': {
-            'original_project': 'Interfuser_Finetuning',
-            'run_name': 'Finetune_Focus_on_Detection_v5',
-            'focus': 'traffic_detection_and_iou',
-            'backbone': 'ResNet50 + ResNet18',
-            'trained_on': 'PDM_Lite_Carla'
-        }
-    }
+#         # إضافة إعدادات الشبكة من التدريب
+#         'grid_conf': {
+#             'h': 20, 'w': 20,
+#             'x_res': 1.0, 'y_res': 1.0,
+#             'y_min': 0.0, 'y_max': 20.0,
+#             'x_min': -10.0, 'x_max': 10.0,
+#         },
+        
+#         # معلومات إضافية عن التدريب
+#         'training_info': {
+#             'original_project': 'Interfuser_Finetuning',
+#             'run_name': 'Finetune_Focus_on_Detection_v5',
+#             'focus': 'traffic_detection_and_iou',
+#             'backbone': 'ResNet50 + ResNet18',
+#             'trained_on': 'PDM_Lite_Carla'
+#         }
+#     }
     
-    return config
-
-
-def get_training_config():
-    """
-    إرجاع إعدادات التدريب الأصلية للمرجع
-    هذه الإعدادات توضح كيف تم تدريب النموذج
-    """
-    return {
-        'project_info': {
-            'project': 'Interfuser_Finetuning',
-            'entity': None,
-            'run_name': 'Finetune_Focus_on_Detection_v5'
-        },
-        'training': {
-            'epochs': 50,
-            'batch_size': 8,
-            'num_workers': 2,
-            'learning_rate': 1e-4,  # معدل تعلم منخفض للـ Fine-tuning
-            'weight_decay': 1e-2,
-            'patience': 15,
-            'clip_grad_norm': 1.0,
-        },
-        'loss_weights': {
-            'iou': 2.0,              # أولوية قصوى لدقة الصناديق
-            'traffic_map': 25.0,     # تركيز عالي على اكتشاف الكائنات
-            'waypoints': 1.0,        # مرجع أساسي
-            'junction': 0.25,        # مهام متقنة بالفعل
-            'traffic_light': 0.5,
-            'stop_sign': 0.25,
-        },
-        'data_split': {
-            'strategy': 'interleaved',
-            'segment_length': 100,
-            'validation_frequency': 10,
-        },
-        'transforms': {
-            'use_data_augmentation': False,  # معطل للتركيز على البيانات الأصلية
-        }
-    }
+#     return config
+
+
+# def get_training_config():
+#     """
+#     إرجاع إعدادات التدريب الأصلية للمرجع
+#     هذه الإعدادات توضح كيف تم تدريب النموذج
+#     """
+#     return {
+#         'project_info': {
+#             'project': 'Interfuser_Finetuning',
+#             'entity': None,
+#             'run_name': 'Finetune_Focus_on_Detection_v5'
+#         },
+#         'training': {
+#             'epochs': 50,
+#             'batch_size': 8,
+#             'num_workers': 2,
+#             'learning_rate': 1e-4,  # معدل تعلم منخفض للـ Fine-tuning
+#             'weight_decay': 1e-2,
+#             'patience': 15,
+#             'clip_grad_norm': 1.0,
+#         },
+#         'loss_weights': {
+#             'iou': 2.0,              # أولوية قصوى لدقة الصناديق
+#             'traffic_map': 25.0,     # تركيز عالي على اكتشاف الكائنات
+#             'waypoints': 1.0,        # مرجع أساسي
+#             'junction': 0.25,        # مهام متقنة بالفعل
+#             'traffic_light': 0.5,
+#             'stop_sign': 0.25,
+#         },
+#         'data_split': {
+#             'strategy': 'interleaved',
+#             'segment_length': 100,
+#             'validation_frequency': 10,
+#         },
+#         'transforms': {
+#             'use_data_augmentation': False,  # معطل للتركيز على البيانات الأصلية
+#         }
+#     }