Update app.py

app.py

@@ -14,7 +14,7 @@ CLASSES = ["NONE", "INFECTION", "ISCHAEMIA", "BOTH"]
 # 2️⃣ تعريف نموذج DenseShuffleGCANet
 # -------------------------------
 class DenseShuffleGCANet(nn.Module):
-    def __init__(self, num_classes=4, handcrafted_feature_dim=49):
+    def __init__(self, num_classes=4, handcrafted_feature_dim=41):
         super(DenseShuffleGCANet, self).__init__()
         # مثال على backbone، عدلي حسب الكود الأصلي
         self.backbone = nn.Sequential(
@@ -36,7 +36,7 @@ class DenseShuffleGCANet(nn.Module):
 # -------------------------------
 # 3️⃣ تحميل النموذج مع weights
 # -------------------------------
-model = DenseShuffleGCANet(num_classes=4, handcrafted_feature_dim=49)
+model = DenseShuffleGCANet(num_classes=4, handcrafted_feature_dim=41)
 model.load_state_dict(torch.load("best_model_2.pth", map_location=torch.device('cpu')))
 model.eval()
 
@@ -44,7 +44,7 @@ model.eval()
 # 4️⃣ دالة استخراج الخصائص اليدوية
 # -------------------------------
 def extract_handcrafted_features(image_array):
-    features = np.random.rand(49).astype(np.float32)  # عدلي حسب خصائصك الحقيقية
+    features = np.random.rand(41).astype(np.float32)  # عدلي حسب خصائصك الحقيقية
     return torch.tensor(features)
 
 # -------------------------------