Update app.py

app.py

@@ -54,67 +54,15 @@ 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:
-    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 = []
+    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 generală: {str(e)}")
-    traceback.print_exc()
-    model = None
-    FEATURE_ORDER = []
+    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
+
 
 
 # # Definim clase personalizate pentru erori