Update app.py

app.py

@@ -9,7 +9,7 @@ try:
     pipeline = Chronos2Pipeline.from_pretrained(
         "amazon/chronos-2",
         device_map="cpu",
-        dtype=torch.float32,
+        torch_dtype=torch.float32,
     )
     print("✅ Model Başarıyla Yüklendi!")
 except Exception as e:
@@ -17,32 +17,30 @@ except Exception as e:
     pipeline = None
 
 def predict(context_str, prediction_length):
-    if pipeline is None: return "Error: Model yüklenemedi."
+    if pipeline is None:
+        return "Error: Model yüklenemedi."
 
     try:
         clean_s = context_str.strip()
         if not clean_s: return "Error: Veri boş."
+            
         data_list = [float(x) for x in clean_s.split(',')]
         
-        # Tensor Oluştur
+        # Tensor Oluştur (1, 1, Zaman)
         context_tensor = torch.tensor(data_list).unsqueeze(0).unsqueeze(0)
         
         # Tahmin Yap
         forecast = pipeline.predict(context_tensor, int(prediction_length))
         
-        # --- ÇIKTI FORMATI: Medyan | Alt Sınır | Üst Sınır ---
-        # 0.5: Medyan (Beklenen)
-        # 0.1: Alt Sınır (Kötü Senaryo)
-        # 0.9: Üst Sınır (İyi Senaryo)
+        # Sonucu Al (Medyan)
+        future_price = forecast[0].quantile(0.5).item()
         
-        median_price = forecast[0].quantile(0.5).item()
-        lower_price = forecast[0].quantile(0.1).item()
-        upper_price = forecast[0].quantile(0.9).item()
-        
-        return f"{median_price}|{lower_price}|{upper_price}"
+        return str(future_price)
 
     except Exception as e:
         return f"Error: {str(e)}"
 
+# Arayüzü Başlat (API Name'i sabitlemek için api_name parametresi ekliyoruz)
+# fn=predict fonksiyonuna api_name="/predict" atadık.
 iface = gr.Interface(fn=predict, inputs=["text", "number"], outputs="text")
 iface.launch()