Update src/streamlit_app.py

src/streamlit_app.py

@@ -1,44 +1,35 @@
 import os
 import sys
 import streamlit as st
-from transformers import BertTokenizer, BertForSequenceClassification  # Burada BertTokenizer istifadə edirik
+from transformers import BertTokenizer, BertForSequenceClassification
 import torch
 import pickle
 import random
 from collections import defaultdict
-import requests
 
-# GitHub-dan fayl yükləmək üçün funksiyanın təyin edilməsi
-def download_label_encoder():
-    url = "https://github.com/AxundovReyal/nlp-disease/raw/main/label_encoder.pkl"
-    headers = {
-        "Authorization": f"token {os.getenv('GITHUB_TOKEN')}"  # GitHub personal access token mühit dəyişəni olaraq qeyd olunmalı
-    }
-    response = requests.get(url, headers=headers)
-
-    if response.status_code == 200:
-        with open("label_encoder.pkl", "wb") as f:
-            f.write(response.content)
-        print("label_encoder.pkl faylı uğurla yükləndi.")
-    else:
-        raise Exception(f"Fayl yüklənə bilmədi, error kodu: {response.status_code}")
+# label_encoder.pkl faylı Hugging Face Space repo-nun kökündədirsə və ya müəyyən yerdədirsə,
+# tam yolunu yaz
+def load_label_encoder():
+    # Faylın yerini təyin edirik (repo-nun köküdürsə, WORKDIR /app olduğu üçün os.getcwd() istifadə olunur)
+    file_path = os.path.join(os.getcwd(), "label_encoder.pkl")
+    if not os.path.exists(file_path):
+        st.error(f"Label encoder faylı tapılmadı: {file_path}")
+        st.stop()
+    with open(file_path, "rb") as f:
+        label_encoder = pickle.load(f)
+    return label_encoder
 
-# Modelin və label_encoder-in yüklənməsi
 @st.cache_resource
 def load_model():
-    # GitHub-dan label_encoder yükləmək
-    download_label_encoder()
-
-    # Label encoder yüklənməsi əvvəlcə edilir
-    with open("label_encoder.pkl", "rb") as f:
-        label_encoder = pickle.load(f)
+    label_encoder = load_label_encoder()
     
-    # Burada AutoTokenizer əvəzinə BertTokenizer istifadə edirik
-    tokenizer = BertTokenizer.from_pretrained('bert-base-uncased')  # BERT Tokenizer
-    model = BertForSequenceClassification.from_pretrained('bert-base-uncased', num_labels=len(label_encoder.classes_))  # BERT Model
-
+    # Modelin yolunu təyin edirik. Məsələn, 'best_model' qovluğu Space repo içindədirsə:
+    model_path = os.path.join(os.getcwd(), "best_model")
+    
+    # Modeli yükləyirik
+    tokenizer = BertTokenizer.from_pretrained('bert-base-uncased')
+    model = BertForSequenceClassification.from_pretrained(model_path, num_labels=len(label_encoder.classes_))
     model.eval()
-
     return tokenizer, model, label_encoder
 
 tokenizer, model, label_encoder = load_model()
@@ -76,12 +67,12 @@ if st.button("Predict"):
 
             st.subheader("Top 3 Predicted Diseases (averaged over shuffled inputs):")
             for idx, prob in top_3:
-                label = label_encoder.classes_[idx]  # Etiketləri doğru alırıq
+                label = label_encoder.classes_[idx]
                 st.write(f"**{label}** — Probability: `{prob * 100:.2f}%`")
 
-# Render port düzəlişi
+# Render port düzəlişi (əgər lazım olarsa)
 if __name__ == "__main__":
     port = int(os.environ.get("PORT", 8501))
-    sys.argv = ["streamlit", "run", "streamlit_app.py", f"--server.port={port}", "--server.address=0.0.0.0"]
+    sys.argv = ["streamlit", "run", "src/streamlit_app.py", f"--server.port={port}", "--server.address=0.0.0.0"]
     from streamlit.web.cli import main
     sys.exit(main())