Update app.py

app.py

@@ -1,3 +1,175 @@
+# import gradio as gr
+# import torch
+# from sentence_transformers import SentenceTransformer
+# from sklearn.metrics.pairwise import cosine_similarity
+# import pickle
+# import os
+# import numpy as np
+
+# class UrduOptimizedPredictor:
+#     def __init__(self, model_path=None):
+#         self.device = "cuda" if torch.cuda.is_available() else "cpu"
+#         print(f"Using device: {self.device}")
+        
+#         # Load the multilingual model
+#         self.text_model = SentenceTransformer('sentence-transformers/paraphrase-multilingual-mpnet-base-v2')
+#         self.text_model.to(self.device)
+        
+#         # Load YOUR model
+#         model_file = "models/urdu_optimized_model/urdu_optimized_model.pkl"
+#         print(f"📁 Loading YOUR model from: {model_file}")
+        
+#         try:
+#             with open(model_file, 'rb') as f:
+#                 model_data = pickle.load(f)
+            
+#             self.emoji_embeddings = {k: v[0] for k, v in model_data['emoji_embeddings'].items()}
+#             self.emoji_list = model_data['emoji_list']
+            
+#             print(f"✅ SUCCESS: Loaded YOUR Urdu-optimized model with {len(self.emoji_list)} emojis")
+#             print(f"📊 Your emojis: {self.emoji_list[:20]}...")  # Show first 20 emojis
+            
+#         except Exception as e:
+#             print(f"❌ ERROR loading your model: {e}")
+#             raise e
+    
+#     def predict_smart(self, text, top_k=3, min_confidence=0.3):
+#         """Use YOUR model for prediction"""
+#         print(f"\n🔍 PREDICTING for: '{text}'")
+        
+#         # Get text embedding
+#         text_embedding = self.text_model.encode([text], convert_to_tensor=True)
+#         text_embedding_np = text_embedding.cpu().numpy()
+        
+#         # Calculate similarities with YOUR emoji embeddings
+#         similarities = {}
+#         for emoji, emoji_embedding in self.emoji_embeddings.items():
+#             similarity = cosine_similarity(text_embedding_np, emoji_embedding.reshape(1, -1))[0][0]
+#             similarities[emoji] = similarity
+        
+#         print(f"📈 Similarities calculated for {len(similarities)} emojis")
+        
+#         # Filter by confidence and return top K
+#         filtered = [(emoji, score) for emoji, score in similarities.items() if score >= min_confidence]
+#         sorted_emojis = sorted(filtered, key=lambda x: x[1], reverse=True)
+        
+#         print(f"🎯 Top predictions: {sorted_emojis[:top_k]}")
+        
+#         # If no confident predictions, return top overall
+#         if not sorted_emojis:
+#             top_overall = sorted(similarities.items(), key=lambda x: x[1], reverse=True)[:top_k]
+#             print(f"⚠️ No confident predictions, using top overall: {top_overall}")
+#             return top_overall
+        
+#         return sorted_emojis[:top_k]
+
+# # Initialize predictor
+# print("🚀 Loading YOUR Urdu Emoji Prediction Model...")
+# predictor = UrduOptimizedPredictor()
+
+# def predict_emoji(urdu_text):
+#     """Main prediction function using YOUR model"""
+#     if not urdu_text.strip():
+#         return "⬅️ اردو متن لکھیں"
+    
+#     try:
+#         # Get predictions from YOUR model
+#         predictions = predictor.predict_smart(urdu_text, top_k=3, min_confidence=0.3)
+        
+#         # Format output
+#         if predictions:
+#             result = "🎯 **آپ کے ماڈل کی پیشنگو:**\n\n"
+#             for i, (emoji, score) in enumerate(predictions, 1):
+#                 confidence_level = "اعلیٰ" if score > 0.6 else "درمیانی" if score > 0.4 else "کم"
+#                 result += f"{i}. {emoji} - {confidence_level} درستگی ({score:.3f})\n"
+#             return result
+#         else:
+#             return "❌ آپ کے ماڈل سے کوئی مناسب ایموجی نہیں مل سکی"
+            
+#     except Exception as e:
+#         print(f"Error in prediction: {e}")
+#         return f"⚠️ نظام میں خرابی: {e}"
+
+# # Test your model with some examples before starting the interface
+# print("\n" + "="*60)
+# print("🧪 TESTING YOUR MODEL WITH SAMPLE TEXTS")
+# print("="*60)
+
+# test_texts = [
+#     "میں بہت خوش ہوں",
+#     "دل ٹوٹ گیا ہے", 
+#     "دوستوں کے ساتھ پارٹی کا مزہ آیا",
+#     "امی نے میری پسندیدہ ڈش بنائی ہے",
+#     "غصہ سے دماغ پھٹ رہا ہے"
+# ]
+
+# for text in test_texts:
+#     print(f"\n📝 Testing: '{text}'")
+#     predictions = predictor.predict_smart(text, top_k=3, min_confidence=0.3)
+#     print(f"   → {[emoji for emoji, score in predictions]}")
+
+# print("\n" + "="*60)
+# print("🚀 STARTING GRADIO INTERFACE")
+# print("="*60)
+
+# # Create Gradio interface
+# demo = gr.Blocks(title="آپ کا اردو ایموجی پیشنگو ماڈل")
+
+# with demo:
+#     gr.Markdown(
+#         """
+#         # 🎯 **آپ کا تربیت یافتہ اردو ایموجی ماڈل**
+        
+#         یہ انٹرفیس **آپ کے ہی تربیت یافتہ ماڈل** کا استعمال کر رہا ہے!
+#         - **80+ Urdu emojis** آپ کے ڈیٹا سے تربیت یافتہ
+#         - **10 لاکھ+ Urdu tweets** پر مبنی
+#         - **Top-3 درستگی: 30.4%**
+#         """
+#     )
+    
+#     with gr.Row():
+#         with gr.Column():
+#             input_text = gr.Textbox(
+#                 label="اردو متن درج کریں",
+#                 placeholder="اپنا Urdu متن یہاں لکھیں...",
+#                 lines=3
+#             )
+            
+#             predict_btn = gr.Button("🎯 ماڈل سے ایموجیز حاصل کریں", variant="primary")
+            
+#         with gr.Column():
+#             output_text = gr.Textbox(
+#                 label="آپ کے ماڈل کی پیشنگو",
+#                 placeholder="یہاں آپ کے ماڈل کی پیشنگو ایموجیز ظاہر ہوں گی...",
+#                 lines=5
+#             )
+    
+#     gr.Markdown("### 💡 آپ کے ماڈل کی جانچ کے لیے مثالیں")
+#     examples = gr.Examples(
+#         examples=[
+#             ["میں آج بہت خوش ہوں اور مسکرا رہا ہوں"],
+#             ["دل ٹوٹ گیا ہے، بہت دکھ ہو رہا ہے"],
+#             ["دوستوں کے ساتھ پارٹی کا بہت مزہ آیا"],
+#             ["نیند آ رہی ہے، بہت تھک گیا ہوں"],
+#             ["امی نے میری پسندیدہ کھانا بنایا ہے"],
+#             ["محبت میں پڑ گیا ہوں، دل دھڑک رہا ہے"],
+#             ["غصہ سے دماغ پھٹ رہا ہے"],
+#             ["بارش ہو رہی ہے، موسم بہت اچھا ہے"]
+#         ],
+#         inputs=input_text,
+#         outputs=output_text,
+#         fn=predict_emoji,
+#         cache_examples=False
+#     )
+
+# if __name__ == "__main__":
+#     demo.launch(
+#         server_name="0.0.0.0",
+#         server_port=7860,
+#         share=True
+#     )
+
+
 import gradio as gr
 import torch
 from sentence_transformers import SentenceTransformer
@@ -16,7 +188,7 @@ class UrduOptimizedPredictor:
         self.text_model.to(self.device)
         
         # Load YOUR model
-        model_file = "urdu_optimized_model.pkl"
+        model_file = "models/urdu_optimized_model/urdu_optimized_model.pkl"
         print(f"📁 Loading YOUR model from: {model_file}")
         
         try:
@@ -162,11 +334,12 @@ with demo:
         cache_examples=False
     )
 
+    # 🔥🔥🔥 THIS IS THE ONE LINE YOU NEED TO ADD 🔥🔥🔥
+    predict_btn.click(fn=predict_emoji, inputs=input_text, outputs=output_text)
+
 if __name__ == "__main__":
     demo.launch(
         server_name="0.0.0.0",
         server_port=7860,
         share=True
-    )
-
-
+    )