Fix TensorFlow model loading issues - add GPU disable and better error handling

model_inference.py

@@ -1,9 +1,14 @@
 import os
 import warnings
+import tempfile
 from basic_pitch.inference import predict_and_save
 from basic_pitch import ICASSP_2022_MODEL_PATH
 import tensorflow as tf
 
+# Configurar TensorFlow para evitar problemas de GPU
+os.environ['CUDA_VISIBLE_DEVICES'] = '-1'  # Forzar uso de CPU
+tf.config.set_visible_devices([], 'GPU')  # Desabilitar GPU
+
 
 # Suprime warnings de runtime (p.ej. invalid value encountered in divide)
 warnings.filterwarnings("ignore", category=RuntimeWarning)
@@ -25,37 +30,54 @@ def inferir_basic_pitch(input_file: str) -> str:
     # Crear directorio de salida si no existe
     os.makedirs(BASE_MIDI_DIR, exist_ok=True)
     
-    # Generar nombre del archivo MIDI basado en el archivo de entrada
-    base_name = os.path.splitext(os.path.basename(input_file))[0]
-    midi_path = os.path.join(BASE_MIDI_DIR, f"{base_name}_basic_pitch.mid")
-    
     try:
         print(f"Procesando archivo: {input_file}")
+        print(f"Directorio de salida: {BASE_MIDI_DIR}")
         
-        # Realizar predicción y guardar archivo MIDI
-        predict_and_save(
-            model_or_model_path=ICASSP_2022_MODEL_PATH,
-            audio_path_list=[input_file],
-            output_directory=BASE_MIDI_DIR,
-            save_midi=True,
-            sonify_midi=False,
-            save_model_outputs=False,
-            save_notes=False,
-        )
+        # Verificar que el archivo de entrada existe
+        if not os.path.exists(input_file):
+            print(f"Error: El archivo de entrada no existe: {input_file}")
+            return None
         
-        # Basic Pitch genera el archivo con un nombre específico
-        # El archivo se genera con el nombre del archivo original + "_basic_pitch.mid"
-        base_name = os.path.splitext(os.path.basename(input_file))[0]
-        expected_midi_name = f"{base_name}_basic_pitch.mid"
-        expected_midi_path = os.path.join(BASE_MIDI_DIR, expected_midi_name)
+        # Limpiar el directorio de salida antes del procesamiento
+        for f in os.listdir(BASE_MIDI_DIR):
+            if f.endswith('.mid'):
+                os.remove(os.path.join(BASE_MIDI_DIR, f))
         
-        # Verificar si se generó el archivo esperado
-        if os.path.exists(expected_midi_path):
-            print(f"Archivo MIDI generado: {expected_midi_path}")
-            return expected_midi_path
+        # Realizar predicción y guardar archivo MIDI
+        try:
+            predict_and_save(
+                model_or_model_path=ICASSP_2022_MODEL_PATH,
+                audio_path_list=[input_file],
+                output_directory=BASE_MIDI_DIR,
+                save_midi=True,
+                sonify_midi=False,
+                save_model_outputs=False,
+                save_notes=False,
+            )
+            print("Predicción completada")
+        except Exception as model_error:
+            print(f"Error específico del modelo: {model_error}")
+            # Intentar con una configuración alternativa
+            try:
+                print("Intentando configuración alternativa...")
+                predict_and_save(
+                    audio_path_list=[input_file],
+                    output_directory=BASE_MIDI_DIR,
+                    save_midi=True,
+                    sonify_midi=False,
+                    save_model_outputs=False,
+                    save_notes=False,
+                )
+                print("Predicción alternativa completada")
+            except Exception as alt_error:
+                print(f"Error en configuración alternativa: {alt_error}")
+                return None
         
-        # Si no está con el nombre esperado, buscar cualquier archivo .mid generado recientemente
+        # Buscar archivos MIDI generados
         generated_files = [f for f in os.listdir(BASE_MIDI_DIR) if f.endswith('.mid')]
+        print(f"Archivos generados: {generated_files}")
+        
         if generated_files:
             # Tomar el archivo más reciente
             latest_file = max([os.path.join(BASE_MIDI_DIR, f) for f in generated_files], 
@@ -67,6 +89,7 @@ def inferir_basic_pitch(input_file: str) -> str:
             return None
         
     except Exception as e:
-        print(f"Error durante la inferencia: {e}")
+        print(f"Error general durante la inferencia: {e}")
+        print(f"Tipo de error: {type(e).__name__}")
         return None
     

requirements.txt

@@ -1,6 +1,9 @@
-gradio
-basic-pitch
-tensorflow
-numpy
-librosa
-scipy
+gradio==4.44.0
+basic-pitch==0.3.0
+tensorflow==2.13.0
+numpy==1.24.3
+librosa==0.10.1
+scipy==1.11.4
+resampy==0.4.2
+pretty_midi==0.2.10
+mido==1.3.0