Update app.py

app.py

@@ -1,13 +1,17 @@
 import gradio as gr
 import torch
 import numpy as np
-from chronos import Chronos2Pipeline
+from chronos import ChronosPipeline # Chronos2Pipeline yerine genel Pipeline kullanımı daha güvenlidir
+
+# --- MODEL AYARLARI ---
+# Ücretsiz CPU için 'tiny' veya 'small' önerilir. 'base' bazen RAM patlatır.
+MODEL_NAME = "amazon/chronos-t5-small" 
+
+print(f"🚀 {MODEL_NAME} Modeli Yükleniyor...")
 
-# --- MODELİ YÜKLE ---
-print("🚀 Chronos-2 Modeli Yükleniyor...")
 try:
-    pipeline = Chronos2Pipeline.from_pretrained(
-        "amazon/chronos-2",
+    pipeline = ChronosPipeline.from_pretrained(
+        MODEL_NAME,
         device_map="cpu",
         torch_dtype=torch.float32,
     )
@@ -18,29 +22,42 @@ except Exception as e:
 
 def predict(context_str, prediction_length):
     if pipeline is None:
-        return "Error: Model yüklenemedi."
+        return "Error: Model yüklenemedi (RAM yetersiz olabilir)."
 
     try:
+        # 1. Veriyi Temizle
         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 (1, 1, Zaman)
+        # 2. Tensor Oluştur (Batch, Dim, Time) -> (1, 1, Zaman)
         context_tensor = torch.tensor(data_list).unsqueeze(0).unsqueeze(0)
         
-        # Tahmin Yap
-        forecast = pipeline.predict(context_tensor, int(prediction_length))
+        # 3. Tahmin Yap (12 adım ileri)
+        prediction_length = int(prediction_length)
+        forecast = pipeline.predict(context_tensor, prediction_length)
+        
+        # 4. İstatistikleri Çıkar (Botun beklediği format)
+        # forecast[0] -> (num_samples, prediction_length)
+        
+        # Medyan (Beklenen Fiyat)
+        median_price = forecast[0].quantile(0.5).item()
+        
+        # Alt Sınır (%10 ihtimalle en kötü senaryo - Risk Hesabı için)
+        low_bound = forecast[0].quantile(0.1).item()
         
-        # Sonucu Al (Medyan)
-        future_price = forecast[0].quantile(0.5).item()
+        # Üst Sınır (%90 ihtimalle en iyi senaryo)
+        high_bound = forecast[0].quantile(0.9).item()
         
-        return str(future_price)
+        # 5. FORMATLAMA: "Medyan|Alt|Üst"
+        # Bot bu | işaretine göre parçalayıp okuyacak.
+        return f"{median_price}|{low_bound}|{high_bound}"
 
     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.
+# --- ARAYÜZÜ BAŞLAT ---
+# server_name="0.0.0.0" ve server_port=7860 OLMAZSA OLMAZ!
 iface = gr.Interface(fn=predict, inputs=["text", "number"], outputs="text")
-iface.launch()
+iface.launch(server_name="0.0.0.0", server_port=7860)