Upload app.py

app.py

@@ -284,6 +284,37 @@ Hinweis: Du musst eingeloggt sein und die Terms akzeptieren!"""
         if dataset_size > 0:
             img_files = img_files[:dataset_size]
         
+        # Funktion zum Filtern ungültiger Klassen aus Label-Dateien
+        def filter_invalid_labels(label_path: Path, max_class: int = 11) -> bool:
+            """Filtert ungültige Klassen aus Label-Datei und speichert bereinigte Version."""
+            try:
+                with open(label_path, 'r') as f:
+                    lines = f.readlines()
+                
+                filtered_lines = []
+                invalid_count = 0
+                for line in lines:
+                    line = line.strip()
+                    if not line:
+                        continue
+                    parts = line.split()
+                    if len(parts) >= 5:
+                        cls = int(parts[0])
+                        if 0 <= cls <= max_class:
+                            filtered_lines.append(line + '\n')
+                        else:
+                            invalid_count += 1
+                
+                # Speichere bereinigte Label-Datei
+                if invalid_count > 0 or len(filtered_lines) != len(lines):
+                    with open(label_path, 'w') as f:
+                        f.writelines(filtered_lines)
+                    return True  # Datei wurde geändert
+                return False  # Keine Änderungen nötig
+            except Exception as e:
+                # Falls Fehler, überspringe diese Datei
+                return False
+        
         for i, img_file in enumerate(img_files):
             if i % 100 == 0:
                 progress(0.25 + (i / len(img_files)) * 0.1, desc=f"Kopiere Bilder: {i}/{len(img_files)}")
@@ -293,7 +324,12 @@ Hinweis: Du musst eingeloggt sein und die Terms akzeptieren!"""
             if labels_dir:
                 label_file = labels_dir / img_file.name.replace(".jpg", ".txt")
                 if label_file.exists():
-                    shutil.copy2(label_file, train_labels / label_file.name)
+                    # Kopiere Label-Datei
+                    dest_label = train_labels / label_file.name
+                    shutil.copy2(label_file, dest_label)
+                    
+                    # Filtere ungültige Klassen (Klasse > 11 für REAL-Dataset)
+                    filter_invalid_labels(dest_label, max_class=11)
             
             # Kopiere zugehörige PKL-Datei (optional)
             if pkl_dir and pkl_dir.exists():
@@ -465,6 +501,46 @@ Hinweis: Du musst eingeloggt sein und die Terms akzeptieren!"""
 3. Versuche Training erneut (Repository wird beim nächsten Versuch geklont)"""
                 
                 progress(0.47, desc="✅ Netlistify geklont")
+                
+                # Patche slice.py um ungültige Klassen zu überspringen
+                slice_file = netlistify_dir / "slice.py"
+                if slice_file.exists():
+                    try:
+                        with open(slice_file, 'r', encoding='utf-8') as f:
+                            slice_content = f.read()
+                        
+                        # Prüfe ob Patch bereits vorhanden ist
+                        if 'if cls not in class_label_real:' not in slice_content:
+                            # Finde die Stelle wo class_label_real[cls] verwendet wird
+                            # Ersetze direkte Zugriffe mit sicheren Zugriffen
+                            old_pattern = 'if config == DatasetConfig.REAL:\n            if class_label_real[cls] == "text":'
+                            new_pattern = 'if config == DatasetConfig.REAL:\n            if cls not in class_label_real:\n                continue  # Überspringe ungültige Klassen\n            if class_label_real[cls] == "text":'
+                            
+                            if old_pattern in slice_content:
+                                slice_content = slice_content.replace(old_pattern, new_pattern)
+                            else:
+                                # Alternative: Ersetze alle class_label_real[cls] Zugriffe
+                                import re
+                                # Ersetze class_label_real[cls] mit sicherem Zugriff
+                                slice_content = re.sub(
+                                    r'class_label_real\[cls\]',
+                                    r'class_label_real.get(cls, None)',
+                                    slice_content
+                                )
+                                # Füge Check hinzu, um None-Werte zu überspringen
+                                slice_content = re.sub(
+                                    r'(\s+)if config == DatasetConfig\.REAL:',
+                                    r'\1if config == DatasetConfig.REAL:\n\1    if cls not in class_label_real:\n\1        continue  # Überspringe ungültige Klassen',
+                                    slice_content
+                                )
+                            
+                            with open(slice_file, 'w', encoding='utf-8') as f:
+                                f.write(slice_content)
+                            progress(0.471, desc="🔧 slice.py gepatcht (ungültige Klassen werden übersprungen)")
+                    except Exception as e:
+                        # Falls Patch fehlschlägt, ist das nicht kritisch
+                        # Die Label-Filterung sollte ausreichen
+                        pass
             
             # Prüfe ob main_config.py existiert
             if not main_config_file.exists():