Update app.py

app.py

@@ -1,27 +1,23 @@
-#Adam_lr7e-05_weightdecay0.0001_epochs3480.pth
 import gradio as gr
 import torch
 import numpy as np
 import os
-import re
 
 # --- 依赖导入 ---
-# 从你的代码库中导入必要的模块
-# 这要求你的文件结构是正确的 (例如: /Feature_extraction_algorithms/PSTAAP.py)
 from model import CAFN
-from Feature_extraction_algorithms.PSTAAP import PSTAAP_feature
+# --- 修改点 1: 导入 load_precomputed_fr_matrix 而不是 initialize_fr_matrix ---
+from Feature_extraction_algorithms.PSTAAP import PSTAAP_feature, load_precomputed_fr_matrix
 from Feature_extraction_algorithms.Physicochemical import PC_feature
 
 # --- 1. 模型加载 ---
-# 确保 'your_model_name.pth' 和你上传的文件名完全一致
-MODEL_PATH = "Adam_lr7e-05_weightdecay0.0001_epochs3480.pth"  # <--- 在这里修改成你的 .pth 文件名
+MODEL_PATH = "Adam_lr7e-05_weightdecay0.0001_epochs3480.pth"
 device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
 
 def load_model(model_path):
     model = CAFN().to(device)
     if os.path.exists(model_path):
         model.load_state_dict(torch.load(model_path, map_location=device))
-        model.eval()  # 设置为评估模式
+        model.eval()
         print("模型加载成功！")
         return model
     else:
@@ -30,29 +26,21 @@ def load_model(model_path):
 
 model = load_model(MODEL_PATH)
 
-# --- 2. 特征提取函数 ---
-# 这个函数直接改编自你的 dataProcess.py
-# --- 2. 特征提取函数 (已修正) ---
-def extract_features_from_seq(sequence_list): # <--- 不再需要 test_PSTAAP 参数
-    """
-    接收一个包含序列的列表，返回模型所需的两个特征张量 x1 和 x2。
-    """
-    # 提取 PC_feature (对应 x2)
-    data2 = PC_feature(sequence_list)
-
-    # 提取 PSTAAP_feature (对应 x1)
-    N = len(sequence_list)
-    empty_list_array = [[] for _ in range(N)]
-    data = np.array(empty_list_array, dtype=object)
-    
-    # --- 这是修改的关键点 ---
-    # 只传递一个参数给 PSTAAP_feature
-    feature = PSTAAP_feature(sequence_list) 
-    
-    data = np.hstack((data, feature))
+# --- 修改点 2: PSTAAP 初始化方式改变 ---
+# 直接加载预计算的 .mat 文件，高效且无需原始数据
+try:
+    # --- 请将 'Fr_train.mat' 放在与 app.py 相同的目录下，或者提供完整路径 ---
+    FR_MATRIX_PATH = 'Fr_train.mat' 
     
-    # 返回 NumPy 数组
-    return data.astype(np.float32), data2.astype(np.float32)
+    if not os.path.exists(FR_MATRIX_PATH):
+        raise FileNotFoundError(f"PSTAAP初始化失败：找不到矩阵文件 {FR_MATRIX_PATH}")
+
+    # 调用新的加载函数
+    load_precomputed_fr_matrix(FR_MATRIX_PATH)
+
+except Exception as e:
+    print(f"PSTAAP 初始化过程中发生严重错误: {e}")
+    model = None
 
 # --- 3. 核心预测函数 (也需要微调) ---
 def predict(sequence_input):