Create app.py

app.py

@@ -0,0 +1,121 @@
+import gradio as gr
+import torch
+import torch.nn as nn
+from torchvision.transforms import ToPILImage
+import numpy as np
+
+# --- Model Tanımı ve Sabitler ---
+# Kaggle notebook'unun sonundaki PyTorch Generator modelini buraya kopyalıyoruz.
+# Bu, model ağırlıklarını yüklemek için gereklidir.
+
+latent_size = 128  # Gürültü vektörünün boyutu (notebook'taki gibi)
+stats = (0.5, 0.5, 0.5), (0.5, 0.5, 0.5) # Normalizasyon için kullanılan değerler
+
+# Generator modelinin mimarisi (notebook ile birebir aynı olmalı)
+generator = nn.Sequential(
+    # Giriş: (latent_size) x 1 x 1
+    nn.ConvTranspose2d(latent_size, 512, kernel_size=4, stride=1, padding=0, bias=False),
+    nn.BatchNorm2d(512),
+    nn.ReLU(True),
+    # Boyut: 512 x 4 x 4
+
+    nn.ConvTranspose2d(512, 256, kernel_size=4, stride=2, padding=1, bias=False),
+    nn.BatchNorm2d(256),
+    nn.ReLU(True),
+    # Boyut: 256 x 8 x 8
+
+    nn.ConvTranspose2d(256, 128, kernel_size=4, stride=2, padding=1, bias=False),
+    nn.BatchNorm2d(128),
+    nn.ReLU(True),
+    # Boyut: 128 x 16 x 16
+
+    nn.ConvTranspose2d(128, 64, kernel_size=4, stride=2, padding=1, bias=False),
+    nn.BatchNorm2d(64),
+    nn.ReLU(True),
+    # Boyut: 64 x 32 x 32
+
+    nn.ConvTranspose2d(64, 3, kernel_size=4, stride=2, padding=1, bias=False),
+    nn.Tanh()
+    # Çıkış Boyutu: 3 x 64 x 64
+)
+
+# --- Model Yükleme ---
+# Hugging Face Spaces'te genellikle CPU kullanılır, bu yüzden cihaza zorluyoruz.
+device = torch.device("cpu")
+
+# Modeli CPU'ya taşı
+generator.to(device)
+
+# Eğitilmiş ağırlıkları yükle
+# Notebook'ta 'G.ckpt' olarak kaydedilmişti. 'generator.pth' olarak yeniden adlandırdığınızı varsayıyoruz.
+# Eğer dosya adınız farklıysa, aşağıdaki satırı güncelleyin.
+MODEL_PATH = 'G.ckpt'
+try:
+    generator.load_state_dict(torch.load(MODEL_PATH, map_location=device))
+    print(f"'{MODEL_PATH}' dosyasından model ağırlıkları başarıyla yüklendi.")
+except FileNotFoundError:
+    print(f"UYARI: '{MODEL_PATH}' dosyası bulunamadı. Model rastgele ağırlıklarla çalışacak.")
+    # Bu durumda uygulama çalışır ama anlamsız resimler üretir.
+except Exception as e:
+    print(f"Model yüklenirken bir hata oluştu: {e}")
+    
+# Modeli inference (çıkarım) moduna al. Bu, BatchNorm ve Dropout katmanlarını doğru moda geçirir.
+generator.eval()
+
+# --- Görüntü Üretme ve Arayüz Fonksiyonları ---
+
+def denorm(img_tensors):
+    """Görüntü tensor'ünü [-1, 1] aralığından [0, 1] aralığına geri dönüştürür."""
+    return img_tensors * stats[1][0] + stats[0][0]
+
+def generate_image(seed):
+    """
+    Verilen bir seed'e göre rastgele gürültüden bir anime karakteri üretir.
+    """
+    # Tekrarlanabilirlik için seed ayarla
+    # Gradio'nun state yönetimi nedeniyle bu her zaman mükemmel çalışmayabilir ama denemeye değer.
+    if seed:
+        torch.manual_seed(int(seed))
+    
+    # Rastgele gürültü vektörü oluştur
+    noise = torch.randn(1, latent_size, 1, 1, device=device)
+    
+    # Gradient hesaplamalarını devre dışı bırakarak performansı artır
+    with torch.no_grad():
+        # Gürültüyü modele vererek sahte bir resim üret
+        fake_image_tensor = generator(noise)
+    
+    # Tensor'ü PIL Image formatına dönüştürmek için denormalize et
+    # Modelin çıktısı [-1, 1] (Tanh) aralığında.
+    denormalized_tensor = denorm(fake_image_tensor)
+    
+    # Tensor'ü [0, 255] aralığında bir numpy array'e dönüştür ve PIL Image yap
+    pil_image = ToPILImage()(denormalized_tensor.squeeze(0)) # batch boyutunu (ilk boyutu) kaldır
+    
+    return pil_image
+
+# --- Gradio Arayüz Tanımı ---
+title = "Anime Karakter Üretici (PyTorch GAN)"
+description = """
+Bu demo, bir GAN (Generative Adversarial Network) kullanarak rastgele anime karakter portreleri üretir. 
+Model, Kaggle'daki bir anime karakter veri seti ile eğitilmiştir. 
+Farklı karakterler görmek için aşağıdaki 'Seed' değerini değiştirin veya 'Rastgele Seed' düğmesine basarak rastgele bir değerle üretin.
+"""
+article = "<p style='text-align: center;'><a href='https://www.kaggle.com/code/melissamonfared/anime-character-generation-dsgan-gan' target='_blank'>Eğitim için kullanılan Kaggle Notebook'u</a></p>"
+
+iface = gr.Interface(
+    fn=generate_image,
+    inputs=gr.Number(label="Seed (Rastgelelik için başlangıç değeri)", value=1234),
+    outputs=gr.Image(type="pil", label="Üretilen Karakter"),
+    title=title,
+    description=description,
+    article=article,
+    examples=[
+        [42],
+        [1337],
+        [2024]
+    ]
+)
+
+# Arayüzü başlat
+iface.launch()