clean the app code and remove example results cashe

app.py

@@ -1,116 +1,3 @@
-# import cv2
-# import numpy as np
-# from PIL import Image
-# import torch
-# from torchvision import models, transforms
-# from ultralytics import YOLO
-# import gradio as gr
-# import torch.nn as nn
-
-# device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
-
-# # Load models
-# yolo_model = YOLO('best.pt')  # Make sure this file is uploaded
-# resnet = models.resnet50(pretrained=False)
-# resnet.fc = nn.Linear(resnet.fc.in_features, 3)
-# resnet.load_state_dict(torch.load('rice_resnet_model.pth', map_location=device))
-# resnet = resnet.to(device)
-# resnet.eval()
-
-# # Class labels
-# class_labels = ["c9", "kant", "superf"]
-
-# # Image transformations
-# transform = transforms.Compose([
-#     transforms.Resize((224, 224)),
-#     transforms.ToTensor(),
-#     transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
-# ])
-
-# def classify_crop(crop_img):
-#     """ایک چاول کے دانے کو درجہ بند کریں"""
-#     image = transform(crop_img).unsqueeze(0).to(device)
-#     with torch.no_grad():
-#         output = resnet(image)
-#         _, predicted = torch.max(output, 1)
-#     return class_labels[predicted.item()]
-
-# def detect_and_classify(input_image):
-#     """تصویر پر کارروائی کریں اور ہر دانے کو شناخت کریں"""
-#     image = np.array(input_image)
-#     image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)
-
-#     results = yolo_model(image)[0]
-#     boxes = results.boxes.xyxy.cpu().numpy()
-
-#     for box in boxes:
-#         x1, y1, x2, y2 = map(int, box[:4])
-#         crop = image[y1:y2, x1:x2]
-#         crop_pil = Image.fromarray(cv2.cvtColor(crop, cv2.COLOR_BGR2RGB))
-#         predicted_label = classify_crop(crop_pil)
-
-#         cv2.rectangle(image, (x1, y1), (x2, y2), (0, 255, 0), 2)
-#         cv2.putText(image, 
-#                    predicted_label, 
-#                    (x1, y1-10), 
-#                    cv2.FONT_HERSHEY_SIMPLEX, 
-#                    0.9, 
-#                    (36, 255, 12), 
-#                    2)
-
-#     return Image.fromarray(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
-
-# with gr.Blocks(title="چاول کی اقسام کی درجہ بندی") as demo:
-#     gr.Markdown("""
-#     ## 🍚 چاول کی اقسام کی شناخت کا نظام  
-#     ایک تصویر اپ لوڈ کریں جس میں چاول کے دانے ہوں۔  
-#     سسٹم ہر دانے کو شناخت اور درجہ بند کرے گا۔
-#     """)
-    
-#     with gr.Row():
-#         with gr.Column():
-#             image_input = gr.Image(type="pil", label="چاول کی تصویر اپ لوڈ کریں")
-#             submit_btn = gr.Button("تجزیہ شروع کریں", variant="primary")
-#         with gr.Column():
-#             output_image = gr.Image(label="نتائج", interactive=False)
-    
-#     submit_btn.click(
-#         fn=detect_and_classify,
-#         inputs=image_input,
-#         outputs=output_image
-#     )
-    
-#     # ✅ Move this block inside the `with gr.Blocks(...)` scope
-#     gr.Examples(
-#         examples=[
-#             "samples/rice1.jpg",
-#             "samples/rice2.jpg",
-#             "samples/rice3.jpg",
-#             "samples/rice4.jpg",
-#             "samples/rice5.jpg",
-#             "samples/rice6.jpg"
-#         ],
-#         inputs=image_input,
-#         label="مثال تصاویر"
-#     )
-#     gr.Markdown("""
-# ### ℹ️ ہدایات:
-# - ✅ واضح اور الگ الگ چاول کے دانے والی تصویر اپ لوڈ کریں۔
-# - ⚠️ اگر دانے آپس میں جُڑے ہوں یا ایک دوسرے پر چڑھے ہوں، تو نتائج متاثر ہو سکتے ہیں۔
-# - 📸 بہتر پہچان کے لیے تصویر کا پس منظر صاف اور دانے منتشر (پھیلے ہوئے) ہونے چاہئیں۔
-# - 🖼️ آپ اوپر دی گئی مثال تصاویر کو بھی دیکھ سکتے ہیں۔
-# """)
-
-
-
-# demo.launch()
-
-
-
-
-
-
-
 import cv2
 import numpy as np
 from PIL import Image
@@ -301,7 +188,7 @@ with gr.Blocks(title="Rice Variety Classification") as demo:
         inputs=image_input,
         outputs=output_image, # Required for proper caching and execution
         fn=detect_and_classify, # Required for proper caching and execution
-        cache_examples=True,
+        # cache_examples=True,
         label="Click to load and run a sample image / نمونہ تصویر لوڈ اور رن کرنے کے لیے کلک کریں"
     )