Update app.py

app.py

@@ -1,32 +1,41 @@
 import gradio as gr
+import os
+import sys
+import subprocess
+
+# --- 1. StyleGAN2 Kütüphanelerini Hazırlama (En Önemli Adım) ---
+# dnnlib ve legacy gibi özel kütüphaneleri bulabilmek için
+# stylegan2-ada-pytorch deposunu klonlamamız gerekiyor.
+
+# Klonlanacak repo ve hedef klasör adı
+repo_url = "https://github.com/NVlabs/stylegan2-ada-pytorch.git"
+repo_dir = "stylegan2-ada-pytorch"
+
+# Eğer klasör zaten yoksa, git clone komutunu çalıştır
+if not os.path.exists(repo_dir):
+    print(f"'{repo_dir}' deposu indiriliyor...")
+    subprocess.run(["git", "clone", repo_url])
+    print("Depo başarıyla indirildi.")
+
+# Klonlanan klasörün yolunu Python'un arama yollarına ekle
+# Bu sayede `import dnnlib` ve `import legacy` komutları çalışır.
+sys.path.insert(0, os.path.join(os.getcwd(), repo_dir))
+
+# Artık import edebiliriz
 import pickle
 import numpy as np
 import torch
-import dnnlib  # Bu kütüphaneler requirements.txt ile yüklenecek
-import legacy  # Bu kütüphaneler requirements.txt ile yüklenecek
+import dnnlib
+import legacy
 from PIL import Image
-import requests
-import os
 
-# --- Model Adı ve Yükleme ---
+# --- 2. Model Adı ve Yükleme ---
 # !! DEĞİŞTİRİLECEK YER !!
-# Hugging Face'e yükleyeceğiniz .pkl model dosyasının tam adını buraya yazın.
-MODEL_FILENAME = "network-snapshot-002000.pkl" 
+# Hugging Face'e yüklediğiniz .pkl model dosyasının tam adını buraya yazın.
+MODEL_FILENAME = "network-snapshot-006000.pkl" 
 
-# Modelin, Hugging Face deposunun kök dizininde olduğunu varsayıyoruz.
 MODEL_PATH = MODEL_FILENAME
-device = torch.device('cpu') # Ücretsiz CPU donanımı için 'cpu' kullanıyoruz
-
-# StyleGAN2 kütüphanelerini indirmek ve kurmak için yardımcı fonksiyon
-def setup_stylegan2_libs():
-    if not os.path.exists('stylegan2-ada-pytorch'):
-        print("StyleGAN2 deposu indiriliyor...")
-        os.system('git clone https://github.com/NVlabs/stylegan2-ada-pytorch.git')
-    import sys
-    sys.path.insert(0, "/app/stylegan2-ada-pytorch") # HF Spaces'te yol genellikle /app olur
-
-print("StyleGAN2 kütüphaneleri hazırlanıyor...")
-setup_stylegan2_libs()
+device = torch.device('cpu') # Ücretsiz CPU donanımı için 'cpu'
 
 # Modelin yüklenmesi
 G = None
@@ -37,34 +46,25 @@ try:
     print("Model başarıyla yüklendi.")
 except Exception as e:
     print(f"Model yüklenemedi: {e}")
-    # Kullanıcıya hata göstermek için bir uyarı hazırlayalım
-    gr.Warning(f"Model Yüklenemedi! Lütfen model dosyasının ({MODEL_FILENAME}) repoda olduğundan ve adının doğru yazıldığından emin olun. Hata: {e}")
+    gr.Warning(f"Model Yüklenemedi! Dosya adının ({MODEL_FILENAME}) doğru olduğundan emin olun. Hata: {e}")
 
-
-# --- Görüntü Üretme Fonksiyonu ---
+# --- 3. Görüntü Üretme Fonksiyonu ---
 def generate_image(seed, truncation_psi):
     if G is None:
         raise gr.Error("Model yüklenemediği için görüntü üretilemiyor. Lütfen Space loglarını kontrol edin.")
     
-    # Eğer seed -1 ise (rastgele butonuna basıldıysa), rastgele bir seed üret
     if seed == -1:
         seed = np.random.randint(0, 2**32 - 1)
         
     print(f"Görüntü üretiliyor... Seed: {seed}, Truncation: {truncation_psi}")
     
-    # Gürültü vektörünü (z) oluştur
     z = torch.from_numpy(np.random.RandomState(seed).randn(1, G.z_dim)).to(device)
-    
-    # Gürültü vektörünü modele vererek görüntüyü üret
     img = G(z, None, truncation_psi=truncation_psi, noise_mode='const')
-    
-    # Çıktıyı 0-255 aralığına getirip bir PIL Image'e dönüştür
     img = (img.permute(0, 2, 3, 1) * 127.5 + 128).clamp(0, 255).to(torch.uint8)
     
     return Image.fromarray(img[0].cpu().numpy(), 'RGB'), seed
 
-
-# --- Gradio Arayüzü ---
+# --- 4. Gradio Arayüzü ---
 with gr.Blocks(theme=gr.themes.Soft()) as demo:
     gr.Markdown("# 🎨 StyleGAN2 ile Eğitilmiş Anime Karakter Üreticisi")
     gr.Markdown("Bu demo, özel olarak eğitilmiş bir StyleGAN2 modeli kullanarak yeni anime karakterleri üretir.")
@@ -82,20 +82,12 @@ with gr.Blocks(theme=gr.themes.Soft()) as demo:
             image_output = gr.Image(label="Sonuç", type="pil")
             used_seed_output = gr.Number(label="Kullanılan Seed", interactive=False)
 
-    # Butonlara tıklandığında hangi fonksiyonun hangi girdilerle çalışacağını belirle
     generate_btn.click(fn=generate_image, inputs=[seed_input, truncation_input], outputs=[image_output, used_seed_output])
     random_btn.click(fn=lambda: -1, inputs=None, outputs=seed_input).then(
         fn=generate_image, inputs=[seed_input, truncation_input], outputs=[image_output, used_seed_output]
     )
     
-    gr.Examples(
-        examples=[
-            [100, 0.7],
-            [42, 0.8],
-            [12345, 1.0]
-        ],
-        inputs=[seed_input, truncation_input]
-    )
+    gr.Examples(examples=[[100, 0.7], [42, 0.8]], inputs=[seed_input, truncation_input])
 
 # Uygulamayı başlat
 demo.launch()