Update app.py

app.py

@@ -53,14 +53,67 @@ app = FastAPI()
 #     )
     
 # Încărcăm modelul
+# try:
+#     model = joblib.load('rf_model_optim.joblib')
+#     FEATURE_ORDER = model.feature_names_in_  # Obținem ordinea corectă a caracteristicilor
+#     print("Model încărcat cu succes! Feature Order:", FEATURE_ORDER)
+# except Exception as e:
+#     print(f"Eroare la încărcarea modelului: {str(e)}")
+#     model = None  # Setăm modelul ca None în caz de eroare
+#     FEATURE_ORDER = []  # Inițializăm o listă goală pentru a evita erorile ulterioare
+
 try:
-    model = joblib.load('rf_model_optim.joblib')
-    FEATURE_ORDER = model.feature_names_in_  # Obținem ordinea corectă a caracteristicilor
-    print("Model încărcat cu succes! Feature Order:", FEATURE_ORDER)
+    import os
+    print(f"Director curent: {os.getcwd()}")
+    print(f"Fișiere în director: {os.listdir('.')}")
+    
+    # Verifică dacă fișierul există
+    model_path = 'rf_model_optim.joblib'
+    if not os.path.exists(model_path):
+        print(f"EROARE: Fișierul {model_path} nu există!")
+        model = None
+        FEATURE_ORDER = []
+    else:
+        print(f"Fișierul {model_path} există, încercăm să-l încărcăm...")
+        
+        # Încarcă modelul cu excepții detaliate
+        try:
+            model = joblib.load(model_path)
+            print(f"Model încărcat! Tip: {type(model)}")
+            
+            # Verifică proprietățile modelului
+            if hasattr(model, 'feature_names_in_'):
+                FEATURE_ORDER = model.feature_names_in_
+                print(f"Feature names din model: {FEATURE_ORDER}")
+            else:
+                print("Modelul nu are atributul feature_names_in_")
+                # Setează valorile implicite
+                FEATURE_ORDER = np.array(['cement_perecent', 'curing_period', 'compaction_rate'])
+            
+            # Verifică dacă poate face predicții
+            test_data = pd.DataFrame({
+                'cement_perecent': [5],
+                'curing_period': [28],
+                'compaction_rate': [1.0]
+            })
+            try:
+                test_pred = model.predict(test_data)
+                print(f"Test predicție reușit: {test_pred}")
+            except Exception as pred_e:
+                print(f"Eroare la predicție de test: {str(pred_e)}")
+                traceback.print_exc()
+                
+        except Exception as load_e:
+            print(f"Eroare la încărcarea modelului: {str(load_e)}")
+            traceback.print_exc()
+            model = None
+            FEATURE_ORDER = []
 except Exception as e:
-    print(f"Eroare la încărcarea modelului: {str(e)}")
-    model = None  # Setăm modelul ca None în caz de eroare
-    FEATURE_ORDER = []  # Inițializăm o listă goală pentru a evita erorile ulterioare
+    print(f"Eroare generală: {str(e)}")
+    traceback.print_exc()
+    model = None
+    FEATURE_ORDER = []
+
 
 # # Definim clase personalizate pentru erori
 # class CementPercentError(PydanticValueError):