Upload app.py with huggingface_hub

app.py

@@ -22,7 +22,7 @@ from logic import (
 #           1. إعدادات ومسارات النماذج
 # ==============================================================================
 WEIGHTS_DIR = "model"
-EXAMPLES_DIR = "examples" # مجلد جديد للأمثلة
+EXAMPLES_DIR = "examples" 
 device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
 
 MODELS_SPECIFIC_CONFIGS = {
@@ -35,24 +35,18 @@ def find_available_models():
     return [f.replace(".pth", "") for f in os.listdir(WEIGHTS_DIR) if f.endswith(".pth")]
 
 # ==============================================================================
-#           2. الدوال الأساسية (load_model, run_single_frame)
+#           2. الدوال الأساسية
 # ==============================================================================
+
 def load_model(model_name: str):
-    """
-    (لا تغيير في هذه الدالة)
-    تبني وتحمل النموذج المختار وتُرجعه ككائن.
-    """
     if not model_name or "لم يتم" in model_name:
         return None, "الرجاء اختيار نموذج صالح."
-
     weights_path = os.path.join(WEIGHTS_DIR, f"{model_name}.pth")
     print(f"Building model: '{model_name}'")
-    
     model_config = MODELS_SPECIFIC_CONFIGS.get(model_name, {})
     model = build_interfuser_model(model_config)
-    
     if not os.path.exists(weights_path):
-        gr.Warning(f"ملف الأوزان '{weights_path}' غير موجود. النموذج سيعمل بأوزان عشوائية.")
+        gr.Warning(f"ملف الأوزان '{weights_path}' غير موجود.")
     else:
         try:
             state_dic = torch.load(weights_path, map_location=device, weights_only=True)
@@ -60,69 +54,73 @@ def load_model(model_name: str):
             print(f"تم تحميل أوزان النموذج '{model_name}' بنجاح.")
         except Exception as e:
             gr.Warning(f"فشل تحميل الأوزان للنموذج '{model_name}': {e}.")
-            
     model.to(device)
     model.eval()
-    
     return model, f"تم تحميل نموذج: {model_name}"
 
 
 def run_single_frame(
-    model_from_state, # المدخل من gr.State
-    rgb_image_path,
-    rgb_left_image_path,
-    rgb_right_image_path,
-    rgb_center_image_path,
-    lidar_image_path,
-    measurements_path,
-    target_point_list
+    model_from_state, rgb_image_path, rgb_left_image_path, rgb_right_image_path,
+    rgb_center_image_path, lidar_image_path, measurements_path, target_point_list
 ):
     """
-    (تم تعديل هذه الدالة)
-    تعالج إطارًا واحدًا، وتقوم بتحميل النموذج الافتراضي إذا لزم الأمر لجلسات الـ API.
+    (نسخة أكثر قوة مع معالجة أخطاء مفصلة)
     """
-    # --- تعديل للتعامل مع جلسات الـ API ---
-    # إذا كانت هذه جلسة API جديدة (model_state فارغ)، قم بتحميل النموذج الافتراضي
     if model_from_state is None:
         print("API session detected or model not loaded. Loading default model...")
         available_models = find_available_models()
-        if not available_models:
-            raise gr.Error("لا توجد نماذج متاحة للتحميل في مجلد 'model/weights'.")
-        
-        default_model_name = available_models[0]
-        model_to_use, _ = load_model(default_model_name)
+        if not available_models: raise gr.Error("لا توجد نماذج متاحة للتحميل.")
+        model_to_use, _ = load_model(available_models[0])
     else:
-        # إذا كان النموذج محملًا بالفعل (من جلسة متصفح)، استخدمه مباشرة
         model_to_use = model_from_state
     
     if model_to_use is None:
-        raise gr.Error("فشل تحميل النموذج. تحقق من السجلات (Logs) في Hugging Face Space.")
-    # --- نهاية التعديل ---
+        raise gr.Error("فشل تحميل النموذج. تحقق من السجلات (Logs).")
 
     try:
-        # --- 1. قراءة ومعالجة المدخلات ---
+        # --- 1. التحقق من المدخلات المطلوبة ---
         if not (rgb_image_path and measurements_path):
             raise gr.Error("الرجاء توفير الصورة الأمامية وملف القياسات على الأقل.")
-        
-        rgb_image_pil = Image.open(rgb_image_path).convert("RGB")
-        rgb_left_pil = Image.open(rgb_left_image_path).convert("RGB") if rgb_left_image_path else rgb_image_pil
-        rgb_right_pil = Image.open(rgb_right_image_path).convert("RGB") if rgb_right_image_path else rgb_image_pil
-        rgb_center_pil = Image.open(rgb_center_image_path).convert("RGB") if rgb_center_image_path else rgb_image_pil
 
-        front_tensor = transform(rgb_image_pil).unsqueeze(0).to(device)
-        left_tensor = transform(rgb_left_pil).unsqueeze(0).to(device)
-        right_tensor = transform(rgb_right_pil).unsqueeze(0).to(device)
-        center_tensor = transform(rgb_center_pil).unsqueeze(0).to(device)
+        # --- 2. قراءة ومعالجة المدخلات مع معالجة أخطاء مفصلة ---
+        try:
+            rgb_image_pil = Image.open(rgb_image_path).convert("RGB")
+        except Exception as e:
+            raise gr.Error(f"فشل تحميل صورة الكاميرا الأمامية. تأكد من أن الملف صحيح. الخطأ: {e}")
+
+        def load_optional_image(path, default_image):
+            if path:
+                try:
+                    return Image.open(path).convert("RGB")
+                except Exception as e:
+                    raise gr.Error(f"فشل تحميل الصورة الاختيارية '{os.path.basename(path)}'. الخطأ: {e}")
+            return default_image
+
+        rgb_left_pil = load_optional_image(rgb_left_image_path, rgb_image_pil)
+        rgb_right_pil = load_optional_image(rgb_right_image_path, rgb_image_pil)
+        rgb_center_pil = load_optional_image(rgb_center_image_path, rgb_image_pil)
 
         if lidar_image_path:
-            lidar_array = np.load(lidar_image_path)
-            if lidar_array.max() > 0: lidar_array = (lidar_array / lidar_array.max()) * 255.0
-            lidar_pil = Image.fromarray(lidar_array.astype(np.uint8)).convert('RGB')
+            try:
+                lidar_array = np.load(lidar_image_path)
+                if lidar_array.max() > 0: lidar_array = (lidar_array / lidar_array.max()) * 255.0
+                lidar_pil = Image.fromarray(lidar_array.astype(np.uint8)).convert('RGB')
+            except Exception as e:
+                raise gr.Error(f"فشل تحميل ملف الليدار (.npy). تأكد من أن الملف صحيح. الخطأ: {e}")
         else:
             lidar_pil = Image.fromarray(np.zeros((112, 112, 3), dtype=np.uint8))
-        lidar_tensor = lidar_transform(lidar_pil).unsqueeze(0).to(device)
 
-        with open(measurements_path, 'r') as f: m_dict = json.load(f)
+        try:
+            with open(measurements_path, 'r') as f: m_dict = json.load(f)
+        except Exception as e:
+            raise gr.Error(f"فشل تحميل أو قراءة ملف القياسات (.json). تأكد من أنه بصيغة صحيحة. الخطأ: {e}")
+        
+        # --- 3. تحويل البيانات إلى تنسورات ---
+        front_tensor = transform(rgb_image_pil).unsqueeze(0).to(device)
+        left_tensor = transform(rgb_left_pil).unsqueeze(0).to(device)
+        right_tensor = transform(rgb_right_pil).unsqueeze(0).to(device)
+        center_tensor = transform(rgb_center_pil).unsqueeze(0).to(device)
+        lidar_tensor = lidar_transform(lidar_pil).unsqueeze(0).to(device)
 
         measurements_tensor = torch.tensor([[
             m_dict.get('x',0.0), m_dict.get('y',0.0), m_dict.get('theta',0.0), m_dict.get('speed',5.0),
@@ -132,24 +130,21 @@ def run_single_frame(
         
         target_point_tensor = torch.tensor([target_point_list], dtype=torch.float32).to(device)
         
-        inputs = {
-            'rgb': front_tensor, 'rgb_left': left_tensor, 'rgb_right': right_tensor,
-            'rgb_center': center_tensor, 'lidar': lidar_tensor,
-            'measurements': measurements_tensor, 'target_point': target_point_tensor
-        }
+        inputs = {'rgb': front_tensor, 'rgb_left': left_tensor, 'rgb_right': right_tensor, 'rgb_center': center_tensor, 'lidar': lidar_tensor, 'measurements': measurements_tensor, 'target_point': target_point_tensor}
 
-        # --- 2. تشغيل النموذج ---
+        # --- 4. تشغيل النموذج ---
         with torch.no_grad():
-            outputs = model_to_use(inputs) # <-- استخدام model_to_use
+            outputs = model_to_use(inputs)
             traffic, waypoints, is_junction, traffic_light, stop_sign, _ = outputs
         
-        # --- 3. المعالجة اللاحقة والتصوّر ---
+        # --- 5. المعالجة اللاحقة والتصوّر ---
         speed, pos, theta = m_dict.get('speed',5.0), [m_dict.get('x',0.0), m_dict.get('y',0.0)], m_dict.get('theta',0.0)
         traffic_np, waypoints_np = traffic[0].detach().cpu().numpy().reshape(20,20,-1), waypoints[0].detach().cpu().numpy() * WAYPOINT_SCALE_FACTOR
         tracker, controller = Tracker(), InterfuserController(ControllerConfig())
         updated_traffic = tracker.update_and_predict(traffic_np.copy(), pos, theta, 0)
         steer, throttle, brake, metadata = controller.run_step(speed, waypoints_np, is_junction.sigmoid()[0,1].item(), traffic_light.sigmoid()[0,0].item(), stop_sign.sigmoid()[0,1].item(), updated_traffic)
         
+        # ... (كود الرسم)
         map_t0, counts_t0 = render(updated_traffic, t=0)
         map_t1, counts_t1 = render(updated_traffic, t=T1_FUTURE_TIME)
         map_t2, counts_t2 = render(updated_traffic, t=T2_FUTURE_TIME)
@@ -166,20 +161,21 @@ def run_single_frame(
             'object_counts': {'t0': counts_t0,'t1': counts_t1,'t2': counts_t2}}
         dashboard_image = display.run_interface(interface_data)
         
-        # --- 4. تجهيز المخرجات ---
-        result_dict = {"predicted_waypoints": waypoints_np.tolist(), "control_commands": {"steer": steer,"throttle": throttle,"brake": bool(brake)},
-            "perception": {"traffic_light_status": light_state,"stop_sign_detected": (stop_sign_state == "Yes"),"is_at_junction_prob": round(is_junction.sigmoid()[0,1].item(), 3)},
-            "metadata": {"speed_info": metadata[0],"perception_info": metadata[1],"stop_info": metadata[2],"safe_distance": metadata[3]}}
-        
-        return Image.fromarray(dashboard_image), result_dict
+        # --- 6. تجهيز المخرجات ---
+        control_commands_dict = {"steer": steer, "throttle": throttle, "brake": bool(brake)}
+        return Image.fromarray(dashboard_image), control_commands_dict
+    
+    except gr.Error as e:
+        raise e # أعد إظهار أخطاء Gradio كما هي
     except Exception as e:
         print(traceback.format_exc())
-        raise gr.Error(f"حدث خطأ أثناء معالجة الإطار: {e}")
+        raise gr.Error(f"حدث خطأ غير متوقع أثناء معالجة الإطار: {e}")
 
 
 # ==============================================================================
-#           4. تعريف واجهة Gradio المحسّنة (مع الإصلاح)
+#           5. تعريف واجهة Gradio (لا تغيير هنا)
 # ==============================================================================
+# ... (كود الواجهة بالكامل يبقى كما هو من النسخة السابقة) ...
 available_models = find_available_models()
 
 with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="sky"), css=".gradio-container {max-width: 95% !important;}") as demo:
@@ -191,7 +187,6 @@ with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="sky"), cs
     with gr.Row():
         # -- العمود الأيسر: الإعدادات والمدخلات --
         with gr.Column(scale=1):
-            # --- الخطوة 1: اختيار النموذج ---
             with gr.Group():
                 gr.Markdown("## ⚙️ الخطوة 1: اختر النموذج")
                 with gr.Row():
@@ -202,7 +197,6 @@ with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="sky"), cs
                     )
                     status_textbox = gr.Textbox(label="حالة النموذج", interactive=False)
             
-            # --- الخطوة 2: رفع ملفات السيناريو ---
             with gr.Group():
                 gr.Markdown("## 🗂️ الخطوة 2: ارفع ملفات السيناريو")
                 
@@ -221,16 +215,14 @@ with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="sky"), cs
                 
                 api_run_button = gr.Button("🚀 شغل المحاكاة", variant="primary", scale=2)
 
-            # --- أمثلة جاهزة ---
             with gr.Group():
                 gr.Markdown("### ✨ أمثلة جاهزة")
-                gr.Markdown("انقر على مثال لتعبئة الحقول تلقائياً (يتطلب وجود مجلد `examples` بنفس بنية البيانات).")
+                gr.Markdown("انقر على مثال لتعبئة الحقول تلقائياً (يتطلب وجود مجلد `examples`).")
                 gr.Examples(
                     examples=[
-                        [os.path.join(EXAMPLES_DIR, "sample1", "rgb.jpg"), os.path.join(EXAMPLES_DIR, "sample1", "measurements.json")],
-                        [os.path.join(EXAMPLES_DIR, "sample2", "rgb.jpg"), os.path.join(EXAMPLES_DIR, "sample2", "measurements.json")]
+                        [os.path.join(EXAMPLES_DIR, "/content/drive/MyDrive/model2/examples/sample1", "rgb.png"), os.path.join(EXAMPLES_DIR, "sample1", "measurements.json")],
+                        [os.path.join(EXAMPLES_DIR, "/content/drive/MyDrive/model2/examples/sample2", "rgb.png"), os.path.join(EXAMPLES_DIR, "sample2", "measurements.json")]
                     ],
-                    # يجب أن تتطابق المدخلات مع الحقول المطلوبة في الأمثلة
                     inputs=[api_rgb_image_path, api_measurements_path],
                     label="اختر سيناريو اختبار"
                 )
@@ -240,8 +232,7 @@ with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="sky"), cs
             with gr.Group():
                 gr.Markdown("## 📊 الخطوة 3: شاهد النتائج")
                 api_output_image = gr.Image(label="لوحة التحكم المرئية (Dashboard)", type="pil", interactive=False)
-                with gr.Accordion("عرض نتائج JSON التفصيلية", open=False):
-                    api_output_json = gr.JSON(label="النتائج المهيكلة (JSON)")
+                api_control_json = gr.JSON(label="أوامر التحكم (JSON)")
 
     # --- ربط منطق الواجهة ---
     if available_models:
@@ -253,12 +244,12 @@ with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="sky"), cs
         fn=run_single_frame,
         inputs=[model_state, api_rgb_image_path, api_rgb_left_image_path, api_rgb_right_image_path, 
                 api_rgb_center_image_path, api_lidar_image_path, api_measurements_path, api_target_point_list],
-        outputs=[api_output_image, api_output_json],
+        outputs=[api_output_image, api_control_json],
         api_name="run_single_frame"
     )
 
 # ==============================================================================
-#           5. تشغيل التطبيق
+#           6. تشغيل التطبيق
 # ==============================================================================
 if __name__ == "__main__":
     if not available_models: