Update app.py

app.py

@@ -1,26 +1,51 @@
 import gradio as gr
-from transformers import AutoTokenizer, AutoModelForSequenceClassification
 import torch
+from transformers import AutoTokenizer, AutoModelForSequenceClassification
 
+# ✅ 모델 로딩
+print("📦 모델 로딩 시작...")
 tokenizer = AutoTokenizer.from_pretrained("SAVSNET/PetBERT_ICD")
 model = AutoModelForSequenceClassification.from_pretrained("SAVSNET/PetBERT_ICD")
+print("✅ 모델 로딩 완료!")
 
+# ✅ 예측 함수 정의
 def predict(text):
+    print("\n📥 입력 텍스트:", text)
+
     inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True)
+    print("🧪 Tokenized inputs:", inputs)
+
     with torch.no_grad():
         logits = model(**inputs).logits
+        print("📊 Logits:", logits)
+
         probs = torch.sigmoid(logits).squeeze().tolist()
+        print("📈 확률값:", probs)
 
     labels = model.config.id2label
-    result = {labels[str(i)]: f"{p:.1%}" for i, p in enumerate(probs) if p > 0.5}
+    print("🏷️ 라벨 목록:", labels)
+
+    result = {}
+    for i, p in enumerate(probs):
+        try:
+            label = labels[str(i)]  # ❗ str(i) 중요
+            if p > 0.5:
+                result[label] = f"{p:.1%}"
+        except Exception as e:
+            print(f"❌ 라벨 매핑 오류: {i} → {e}")
+
+    print("✅ 최종 예측 결과:", result)
     return result or {"예측된 질병 없음": "🤷"}
 
+# ✅ Gradio 인터페이스 정의
 demo = gr.Interface(
-    fn=predict,
-    inputs="text",
-    outputs="json",  # 또는 "text"
-    title="🐾 PetBERT ICD",
-    description="반려동물 증상 문장을 입력하면 질병 코드별로 예측 확률을 보여줍니다."
+    fn=predict,                    # 여기서 predict()가 호출됨
+    inputs=gr.Textbox(label="반려동물 증상 입력", placeholder="예: 기침을 자주 해요"),
+    outputs=gr.JSON(label="예측 질병 목록"),
+    title="🐾 PetBERT ICD 수의사 예측기",
+    description="반려동물의 증상 문장을 입력하면 AI가 질병 가능성을 예측합니다."
 )
 
-demo.launch()
+# ✅ 앱 실행
+if __name__ == "__main__":
+    demo.launch()