HosseinAhmadi commited on
Commit
7eb8d3b
·
verified ·
1 Parent(s): 2922c73

Update app.py

Browse files
Files changed (1) hide show
  1. app.py +38 -73
app.py CHANGED
@@ -1,108 +1,73 @@
1
- # app.py - نسخه نهایی فیکس‌شده برای HF Spaces (Gradio 4.44)
2
  import gradio as gr
3
- import pickle
4
  import pandas as pd
5
  import numpy as np
6
- import os
7
 
8
- # لود مدل (چک دقیق‌تر)
9
- model_path = "kaatib_v8_best.pkl"
10
- model_loaded = False
11
- if os.path.exists(model_path):
12
- try:
13
- model = pickle.load(open(model_path, "rb"))
14
- model_loaded = True
15
- print("مدل با موفقیت لود شد! ✅")
16
- except Exception as e:
17
- print(f"خطا در لود مدل: {e}")
18
- else:
19
- print("فایل مدل پیدا نشد! مطمئن شو kaatib_v8_best.pkl آپلود شده باشه.")
20
 
21
  def predict(area_type, area, rooms, neighborhood, elevator, parking, warehouse, age):
22
- if not model_loaded:
23
- return "❌ مدل لود نشد! لطفاً فایل kaatib_v8_best.pkl رو چک کن و Space رو Restart کن."
24
-
25
- if area_type == "متراژ مفید (معمول در دیوار)":
26
- effective_area = area
27
- else:
28
- effective_area = area * 0.87
29
 
30
  df = pd.DataFrame([{
31
  'area': effective_area,
32
  'log_area': np.log1p(effective_area),
33
- 'rooms': rooms,
34
- 'age': age,
35
  'is_new': 1 if age <= 5 else 0,
36
  'neighborhood': neighborhood.strip(),
37
- 'elevator': elevator,
38
- 'parking': parking,
39
- 'warehouse': warehouse
40
  }])
41
-
42
  pred = model.predict(df)[0] / 1_000_000_000
43
  lower = pred * 0.88
44
  upper = pred * 1.15
45
-
46
  return f"""
47
- <div style="text-align:center; padding:30px; background: linear-gradient(135deg, #0d2b1f, #1a3d2e); border-radius:18px; border: 3px solid #d4af37; box-shadow: 0 10px 30px rgba(212,175,55,0.2);">
48
- <h2 style="color:#d4af37; margin:0; font-size:28px;">پیش‌بینی کاتب</h2>
49
- <h1 style="color:white; font-size:52px; margin:15px 0 10px;">{pred:.2f} میلیارد تومان</h1>
50
- <p style="color:#b8d5cd; font-size:19px; margin:5px;">رنج واقعی بازار: {lower:.2f} – {upper:.2f} میلیارد</p>
51
  </div>
52
- """
53
-
54
- # CSS کاملاً inline در HTML (بدون head در Blocks)
55
- css_html = """
56
- <style>
57
- .gradio-container {max-width: 920px !important; margin: 20px auto; background: linear-gradient(135deg, #0a1e15, #0f2b1f); border-radius: 28px; box-shadow: 0 25px 70px rgba(0,0,0,0.9); border: 1px solid #1e3d2f;}
58
- body {background: #040a07;}
59
- label, .gr-form label, .gr-radio label, .gr-checkbox label, .gr-slider label, .gr-textbox label, .gr-dropdown label {
60
- color: black !important; font-weight: bold !important; background: rgba(255,255,255,0.95) !important; padding: 10px 18px !important; border-radius: 14px !important; box-shadow: 0 4px 12px rgba(0,0,0,0.2);}
61
- .gr-radio, .gr-checkbox-group {background: white !important; border-radius: 14px !important; padding: 15px !important; border: 2px solid #d4af37;}
62
- .gr-slider .track, .gr-dropdown {background: white !important; color: black !important;}
63
- .gr-button {background: linear-gradient(45deg, #d4af37, #b8971a) !important; color: black !important; border: none !important; font-weight: bold !important; font-size: 20px !important; padding: 18px !important; border-radius: 16px !important; box-shadow: 0 8px 25px rgba(212,175,55,0.5);}
64
- .gr-button:hover {transform: translateY(-4px); box-shadow: 0 15px 35px rgba(212,175,55,0.7);}
65
- </style>
66
  """
67
 
68
- with gr.Blocks(title="کاتب - قیمت آپارتمان تهران ۱۴۰۴") as kaatib:
69
- # CSS رو اول لود کن
70
- gr.HTML(css_html)
71
-
72
  gr.HTML("""
73
- <div style="text-align:center; padding:55px 20px; background: linear-gradient(135deg, #0d2b1f, #1e4d38); border-bottom: 5px solid #d4af37;">
74
- <h1 style="font-size:62px; margin:0; color:#d4af37; text-shadow: 0 0 30px #d4af3777;">کاتب</h1>
75
- <p style="font-size:30px; color:#b8d5cd; margin:15px 0 5px;">هوش مصنوعی پیش‌بینی قیمت مسکن تهران</p>
76
- <p style="font-size:21px; color:#8fb8a2;">۸۱,۰۰۰ آگهی واقعی دیوار ۱۴۰۴</p>
 
 
 
 
 
 
77
  </div>
78
  """)
79
-
80
- area_type = gr.Radio(["متراژ مفید (معمول در دیوار)", "متراژ سندی"], value="متراژ مفید (معمول در دیوار)", label="نوع متراژ وارد شده")
81
-
82
  with gr.Row():
83
- area = gr.Slider(40, 450, value=90, step=1, label="متراژ")
84
  rooms = gr.Dropdown([1,2,3,4,5,6], value=3, label="تعداد خواب")
85
-
86
- neighborhood = gr.Textbox(placeholder="مثل: سعادت آباد، نیاوران، زعفرانیه، جردن، پونک...", label="محله")
87
-
88
  with gr.Row():
89
  elevator = gr.Checkbox(label="آسانسور", value=True)
90
  parking = gr.Checkbox(label="پارکینگ", value=True)
91
  warehouse = gr.Checkbox(label="انباری", value=True)
92
-
93
- age = gr.Slider(0, 50, value=8, step=1, label="سن بنا (سال)")
94
 
95
- btn = gr.Button("پیش‌بینی قیمت", variant="primary", size="lg")
96
- output = gr.Markdown()
 
97
 
98
- btn.click(predict, inputs=[area_type, area, rooms, neighborhood, elevator, parking, warehouse, age], outputs=output)
99
-
100
  gr.HTML("""
101
- <div style="text-align:center; margin:50px 20px 30px; padding:30px; background: rgba(212,175,55,0.12); border-radius:18px; border: 2px dashed #d4af37;">
102
- <p style="color:#d4af37; font-size:20px; margin:8px;">ساخته شده با افتخار در ایران 🇮🇷</p>
103
- <p style="color:#b8d5cd; font-size:16px;">اولین مدل تماماً فارسی برای بازار مسکن تهران</p>
104
  </div>
105
  """)
106
 
107
- # لانچ ساده
108
- kaatib.launch()
 
1
+ # app.py - نسخه نهایی و 100٪ کارکردنی
2
  import gradio as gr
 
3
  import pandas as pd
4
  import numpy as np
5
+ from catboost import CatBoostRegressor
6
 
7
+ # لود مدل بهینه
8
+ model = CatBoostRegressor()
9
+ model.load_model("kaatib_v8_optimized.cbm")
 
 
 
 
 
 
 
 
 
10
 
11
  def predict(area_type, area, rooms, neighborhood, elevator, parking, warehouse, age):
12
+ effective_area = area if area_type == "متراژ مفید (معمول در دیوار)" else area * 0.87
 
 
 
 
 
 
13
 
14
  df = pd.DataFrame([{
15
  'area': effective_area,
16
  'log_area': np.log1p(effective_area),
17
+ 'rooms': int(rooms),
18
+ 'age': int(age),
19
  'is_new': 1 if age <= 5 else 0,
20
  'neighborhood': neighborhood.strip(),
21
+ 'elevator': bool(elevator),
22
+ 'parking': bool(parking),
23
+ 'warehouse': bool(warehouse)
24
  }])
25
+
26
  pred = model.predict(df)[0] / 1_000_000_000
27
  lower = pred * 0.88
28
  upper = pred * 1.15
29
+
30
  return f"""
31
+ <div style="text-align:center; padding:40px; background:linear-gradient(135deg,#0d2b1f,#1a3d2e); border-radius:20px; border:4px solid #d4af37; box-shadow:0 15px 40px rgba(212,175,55,0.3);">
32
+ <h1 style="color:#d4af37; font-size:52px; margin:10px 0;">{pred:.2f} میلیارد تومان</h1>
33
+ <p style="color:#b8d5cd; font-size:22px;">رنج واقعی بازار: {lower:.2f} {upper:.2f} میلیارد</p>
 
34
  </div>
 
 
 
 
 
 
 
 
 
 
 
 
 
 
35
  """
36
 
37
+ with gr.Blocks(title="کاتب - قیمت آپارتمان تهران ۱۴۰۴") as app:
 
 
 
38
  gr.HTML("""
39
+ <style>
40
+ .gradio-container {max-width: 960px !important; margin: 20px auto; background: linear-gradient(135deg, #0a1e15, #0f2b1f); border-radius: 30px; box-shadow: 0 30px 80px rgba(0,0,0,0.95); padding: 20px;}
41
+ body {background: #040a07 !important;}
42
+ label {color: black !important; font-weight: bold !important; background: white !important; padding: 12px 20px !important; border-radius: 16px !important;}
43
+ .gr-button {background: linear-gradient(45deg, #d4af37, #b8971a) !important; color: black !important; font-size: 24px !important; padding: 20px !important; border-radius: 20px !important;}
44
+ </style>
45
+ <div style="text-align:center; padding:60px 20px; background:linear-gradient(135deg,#0d2b1f,#1e4d38); border-bottom:6px solid #d4af37;">
46
+ <h1 style="font-size:70px; margin:0; color:#d4af37; text-shadow:0 0 40px #d4af3777;">کاتب</h1>
47
+ <p style="font-size:34px; color:#b8d5cd;">هوش مصنوعی پیش‌بینی قیمت مسکن تهران</p>
48
+ <p style="font-size:24px; color:#8fb8a2;">۸۱,۰۰۰ آگهی واقعی دیوار ۱۴۰۴</p>
49
  </div>
50
  """)
51
+
52
+ area_type = gr.Radio(["متراژ مفید (معمول در دیوار)", "متراژ سندی"], value="متراژ مفید (معمول در دیوار)", label="نوع متراژ")
 
53
  with gr.Row():
54
+ area = gr.Slider(40, 450, 90, step=1, label="متراژ")
55
  rooms = gr.Dropdown([1,2,3,4,5,6], value=3, label="تعداد خواب")
56
+ neighborhood = gr.Textbox(placeholder="مثل: سعادت آباد، پونک، نیاوران، زعفرانیه...", label="محله")
 
 
57
  with gr.Row():
58
  elevator = gr.Checkbox(label="آسانسور", value=True)
59
  parking = gr.Checkbox(label="پارکینگ", value=True)
60
  warehouse = gr.Checkbox(label="انباری", value=True)
61
+ age = gr.Slider(0, 50, 8, step=1, label="سن بنا (سال)")
 
62
 
63
+ gr.Button("پیش‌بینی قیمت").click(predict,
64
+ inputs=[area_type, area, rooms, neighborhood, elevator, parking, warehouse, age],
65
+ outputs=gr.Markdown())
66
 
 
 
67
  gr.HTML("""
68
+ <div style="text-align:center; margin:60px; padding:40px; background:rgba(212,175,55,0.15); border-radius:25px; border:3px dashed #d4af37;">
69
+ <p style="color:#d4af37; font-size:26px;">ساخته شده با افتخار در ایران</p>
 
70
  </div>
71
  """)
72
 
73
+ app.launch()