Update app.py

app.py

@@ -5,34 +5,31 @@ import pickle
 from collections import defaultdict
 import random
 import os
-from safetensors.torch import load_file
 
 # Model və label_encoder yüklənməsi
 def load_model():
     try:
         # Label encoder
-        with open("best_model/label_encoder.pkl", "rb") as f:
+        with open("label_encoder.pkl", "rb") as f:
             label_encoder = pickle.load(f)
         
-        # Tokenizer
-        tokenizer = BertTokenizer.from_pretrained("best_model")
+        # Tokenizer və Model - iki variant sınayırıq
+        try:
+            # Variant 1: best_model qovluğu
+            tokenizer = BertTokenizer.from_pretrained("best_model")
+            model = BertForSequenceClassification.from_pretrained("best_model")
+        except:
+            # Variant 2: Ana qovluq
+            tokenizer = BertTokenizer.from_pretrained(".")
+            model = BertForSequenceClassification.from_pretrained(".")
         
-        # Model (safetensors avtomatik dəstəklənir)
-        model = BertForSequenceClassification.from_pretrained("best_model", use_safetensors=True)
         model.eval()
-        
-        print(f"Model uğurla yükləndi. Label sayı: {len(label_encoder.classes_)}")
+        print(f"✅ Model yükləndi. Label sayı: {len(label_encoder.classes_)}")
         return tokenizer, model, label_encoder
     
     except Exception as e:
-        print(f"Model yüklənmə xətası: {e}")
-        # Faylları yoxla
-        if os.path.exists("best_model"):
-            files = os.listdir("best_model")
-            print(f"best_model qovluğundakı fayllar: {files}")
-        else:
-            print("best_model qovluğu mövcud deyil")
-        
+        print(f"❌ Model yüklənmə xətası: {e}")
+        print(f"📁 Mövcud fayllar: {os.listdir('.')}")
         return None, None, None
 
 # Model yükləmə
@@ -41,18 +38,18 @@ tokenizer, model, label_encoder = load_model()
 # Prediction funksiyası
 def predict_disease(text):
     if tokenizer is None or model is None or label_encoder is None:
-        return "❌ Model yüklənməyib! Xəta var."
+        return "❌ Model yüklənməyib!"
     
     if not text.strip():
-        return "⚠️ Please enter some symptoms!"
+        return "⚠️ Simptomları daxil edin!"
     
     symptoms = [s.strip() for s in text.split(",") if s.strip()]
     if not symptoms:
-        return "⚠️ Please enter valid symptoms separated by commas!"
+        return "⚠️ Düzgün simptomlar yazın (vergüllə ayırın)!"
     
     try:
         agg_probs = defaultdict(float)
-        n_shuffles = 10
+        n_shuffles = 5  # Sürəti artırmaq üçün azaltdım
         
         for i in range(n_shuffles):
             random.shuffle(symptoms)
@@ -80,63 +77,44 @@ def predict_disease(text):
         # Top 3 nəticə
         top_3 = sorted(agg_probs.items(), key=lambda x: x[1], reverse=True)[:3]
         
-        results = ["🏥 Top 3 Predicted Diseases:\n"]
+        result = "🏥 **Mümkün xəstəliklər:**\n\n"
         for idx, prob in top_3:
             label = label_encoder.classes_[idx]
-            results.append(f"• **{label}** — Probability: {prob*100:.2f}%")
+            result += f"🔸 **{label}** — %{prob*100:.1f}\n"
         
-        return "\n".join(results)
+        return result
     
     except Exception as e:
-        return f"❌ Prediction xətası: {str(e)}"
+        return f"❌ Xəta: {str(e)}"
 
 # Gradio interface
-iface = gr.Interface(
+demo = gr.Interface(
     fn=predict_disease,
     inputs=gr.Textbox(
-        lines=2, 
-        placeholder="fever, cough, headache, shortness of breath",
-        label="Enter your symptoms (comma separated)"
+        lines=3, 
+        placeholder="Məsələn: fever, cough, headache",
+        label="🩺 Simptomlarınızı yazın (vergüllə ayırın)"
+    ),
+    outputs=gr.Textbox(
+        label="📋 Nəticələr",
+        lines=10
     ),
-    outputs=gr.Textbox(label="Predicted Diseases"),
-    title="🏥 Disease NLP Classifier",
-    description="Enter your symptoms separated by commas and get top 3 predicted diseases with confidence scores.",
+    title="🏥 Xəstəlik Təyin Edici AI",
+    description="Simptomlarınızı yazın və ən mümkün xəstəlikləri görün. ⚠️ Bu sadəcə kömək vasitəsidir, həkim məsləhəti əvəz etmir!",
     examples=[
         ["fever, cough, headache"],
-        ["stomach pain, nausea, vomiting"],
+        ["stomach pain, nausea"],
         ["chest pain, shortness of breath"],
-        ["dizziness, fatigue, weakness"],
-        ["skin rash, itching, redness"]
-    ]
+        ["dizziness, fatigue"],
+        ["skin rash, itching"]
+    ],
+    theme=gr.themes.Soft(),
+    allow_flagging="never"
 )
 
-# Launch
 if __name__ == "__main__":
-    if tokenizer and model and label_encoder:
-        print("✅ Model hazırdır, Gradio başladılır...")
-        iface.launch(
-            server_name="0.0.0.0", 
-            server_port=int(os.environ.get("PORT", 7860)),
-            share=True  # Public link yaradır
-        )
-    else:
-        print("❌ Model yüklənmədi, Gradio başladıla bilmir!")
-        print("\nDebug məlumatları:")
-        print(f"Hazırkı qovluq: {os.getcwd()}")
-        print(f"Qovluq məzmunu: {os.listdir('.')}")
-        
-        # Sadə debug interface
-        def debug_info():
-            return f"Debug məlumatları:\nHazırkı qovluq: {os.getcwd()}\nFayllar: {os.listdir('.')}"
-        
-        debug_iface = gr.Interface(
-            fn=debug_info,
-            inputs=gr.Textbox(placeholder="Debug üçün hər hansı mətn yazın"),
-            outputs=gr.Textbox(),
-            title="🔧 Debug Interface"
-        )
-        
-        debug_iface.launch(
-            server_name="0.0.0.0",
-            server_port=int(os.environ.get("PORT", 7860))
-        )
+    demo.launch(
+        server_name="0.0.0.0",
+        server_port=7860,
+        show_api=True  # API dokumentasiyası göstərir
+    )