Update app.py

app.py

@@ -58,20 +58,22 @@ def extract_features_from_seq(sequence_list):
 # --- 4. 核心预测函数 ---
 def predict(sequence_input):
     if model is None:
-        return {"错误": "模型未能加载或初始化失败，请检查后台日志"}
+        # 抛出 Gradio 错误，而不是返回字典
+        raise gr.Error("模型未能加载或初始化失败，请检查后台日志。")
     
     if not sequence_input or not isinstance(sequence_input, str):
-        return {"错误": "请输入有效的生物序列"}
+        # 抛出 Gradio 错误
+        raise gr.Error("请输入有效的生物序列。")
     
     cleaned_sequence = sequence_input.strip().upper()
     sequence_list = [cleaned_sequence]
 
     try:
-        # !!! 在这里调用了上面的函数 !!!
         x1_np, x2_np = extract_features_from_seq(sequence_list)
     except Exception as e:
-        # 如果特征提取失败（包括 NameError），会在这里捕获
-        return {f"特征提取失败": str(e)}
+        # 在特征提取失败时，抛出包含具体异常信息的 Gradio 错误
+        # 这样用户就能在界面上看到具体的失败原因
+        raise gr.Error(f"特征提取失败: {e}")
 
     tensor_x1 = torch.tensor(x1_np).to(device)
     tensor_x2 = torch.tensor(x2_np).to(device)
@@ -84,9 +86,10 @@ def predict(sequence_input):
     labels = ["类别 A (a)", "类别 C (c)", "类别 M (m)", "类别 S (s)"]
     result = {label: float(prob) for label, prob in zip(labels, probabilities)}
     
+    # 只有在成功时，才返回符合格式的字典
     return result
 
-# --- 5. 创建并启动 Gradio 界面 ---
+# --- 5. 创建并启动 Gradio 界面 (无需改动) ---
 demo = gr.Interface(
     fn=predict,
     inputs=gr.Textbox(