Update app.py

app.py

@@ -34,28 +34,34 @@ PROMPTS = {
     ),
 }
 
-# ⚠️ ZeroGPU: مفيش GPU متاح إلا جوه دالة عليها @spaces.GPU. عشان كده
-# التحميل هنا لازم يبقى على CPU وبدون quantization (اللي محتاج CUDA
-# فورًا وقت التحميل)، وننقل الموديل للـ GPU لاحقًا عند أول استخدام بس.
-print("▶ Loading base model + LoRA adapter on CPU (moved to GPU on first request)...")
-processor = AutoProcessor.from_pretrained(BASE_MODEL_ID)
-base_model = Qwen2_5_VLForConditionalGeneration.from_pretrained(
-    BASE_MODEL_ID,
-    torch_dtype=torch.float16,
-)
-model = PeftModel.from_pretrained(base_model, ADAPTER_ID, token=HF_TOKEN)
-model.eval()
-print("✅ Model loaded on CPU. Will move to GPU on first inference call.")
-
-_model_on_gpu = False  # flag: انتقل للـ GPU ولا لسه
-
-
-@spaces.GPU(duration=60)
+# ⚠️ ZeroGPU: مكتبة `spaces` بتعترض حتى عمليات تحميل الـ safetensors
+# العادية لو حصلت برّه دالة معلَّمة بـ @spaces.GPU. عشان كده لازم
+# التحميل كله (base model + adapter) يبقى جوه الدالة، مش هنا.
+processor = None
+model = None
+
+
+def _ensure_loaded():
+    """يحمّل الموديل والـ adapter مرة واحدة بس، أول ما حد يستخدم الـ demo."""
+    global processor, model
+    if model is not None:
+        return
+    print("▶ Loading base model + LoRA adapter (first request only)...")
+    processor = AutoProcessor.from_pretrained(BASE_MODEL_ID)
+    base_model = Qwen2_5_VLForConditionalGeneration.from_pretrained(
+        BASE_MODEL_ID,
+        torch_dtype=torch.float16,
+    )
+    loaded = PeftModel.from_pretrained(base_model, ADAPTER_ID, token=HF_TOKEN)
+    loaded.eval()
+    loaded.to("cuda")
+    model = loaded
+    print("✅ Model ready on GPU.")
+
+
+@spaces.GPU(duration=120)
 def caption_image(image: Image.Image, prompt_style: str):
-    global _model_on_gpu
-    if not _model_on_gpu:
-        model.to("cuda")
-        _model_on_gpu = True
+    _ensure_loaded()
 
     if image is None:
         return "⚠️ Please upload a medical image first."