Update app.py

app.py

@@ -3,65 +3,89 @@ import tensorflow as tf
 import numpy as np
 from tensorflow.keras.applications.efficientnet import preprocess_input
 from PIL import Image
-from tensorflow.keras.layers import InputLayer
-# Import các lớp Augmentation mà mô hình có thể đã lưu
-from tensorflow.keras.layers import RandomFlip, RandomRotation, RandomZoom, RandomContrast
+from tensorflow.keras.layers import InputLayer, RandomFlip, RandomRotation, RandomZoom, RandomContrast
+from tensorflow.keras.layers import RandomWidth, RandomHeight 
 
 # 1. Định nghĩa hằng số
-MODEL_PATH = "best_model.h5" # Tên file mô hình đã upload (ĐÃ SỬA: Đồng bộ với tên file trên GitHub)
+MODEL_PATH = "best_model.h5"
 IMG_SIZE = (224, 224)
 CLASS_NAMES = ['bad', 'good', 'very_good'] 
 
 # =================================================================
-# KHẮC PHỤC LỖI DESERIALIZATION CHO CÁC LỚP AUGMENTATION VÀ INPUT LAYER
-# Mục đích: Bỏ qua tham số 'batch_shape' và 'data_format' không tương thích.
+# KHẮC PHỤC LỖI TƯƠNG THÍCH PHIÊN BẢN (KERAS 3 -> KERAS 2)
+# =================================================================
 
+# 1. Mock DTypePolicy (Xử lý lỗi: Unknown dtype policy: 'DTypePolicy')
+class MockDTypePolicy:
+    """
+    Lớp giả lập để thay thế DTypePolicy của Keras 3.
+    Giúp tránh lỗi deserialization khi chạy trên môi trường cũ.
+    """
+    def __init__(self, **kwargs):
+        pass # Không làm gì cả, chỉ cần tồn tại để không báo lỗi
+    
+    @classmethod
+    def from_config(cls, config):
+        return cls(**config)
+    
+    def get_config(self):
+        return {}
+
+# 2. Xử lý InputLayer (Xử lý lỗi: batch_shape)
 class FixedInputLayer(InputLayer):
-    """Xử lý lỗi batch_shape."""
     def __init__(self, **kwargs):
         if 'batch_shape' in kwargs:
             kwargs['input_shape'] = kwargs['batch_shape'][1:]
             del kwargs['batch_shape']
+        # Xóa dtype nếu nó là dạng dictionary (config của Keras 3)
+        if 'dtype' in kwargs and isinstance(kwargs['dtype'], dict):
+            del kwargs['dtype']
         super().__init__(**kwargs)
 
+# 3. Xử lý Augmentation Layers (Xử lý lỗi: data_format & dtype policy)
 def fix_augmentation_layer(LayerClass):
-    """Tạo lớp cố định để loại bỏ tham số 'data_format'."""
     class FixedLayer(LayerClass):
         def __init__(self, **kwargs):
+            # Xóa tham số data_format gây lỗi
             if 'data_format' in kwargs:
                 del kwargs['data_format']
+            
+            # Xóa tham số dtype gây lỗi (DTypePolicy)
+            if 'dtype' in kwargs:
+                del kwargs['dtype']
+                
             super().__init__(**kwargs)
     return FixedLayer
 
-# Tạo các lớp cố định cho Augmentation
-FixedRandomFlip = fix_augmentation_layer(RandomFlip)
-FixedRandomRotation = fix_augmentation_layer(RandomRotation)
-FixedRandomZoom = fix_augmentation_layer(RandomZoom)
-FixedRandomContrast = fix_augmentation_layer(RandomContrast)
+# 4. Đăng ký tất cả Custom Objects
+CUSTOM_OBJECTS = {
+    'InputLayer': FixedInputLayer,
+    # Đăng ký lớp giả lập DTypePolicy
+    'DTypePolicy': MockDTypePolicy, 
+    # Augmentation Layers đã được vá lỗi
+    'RandomFlip': fix_augmentation_layer(RandomFlip),
+    'RandomRotation': fix_augmentation_layer(RandomRotation),
+    'RandomZoom': fix_augmentation_layer(RandomZoom),
+    'RandomContrast': fix_augmentation_layer(RandomContrast),
+    'RandomWidth': fix_augmentation_layer(RandomWidth),
+    'RandomHeight': fix_augmentation_layer(RandomHeight)
+}
 
 # =================================================================
 
 # 2. Tải mô hình
 model = None
 try:
-    # Tắt log TensorFlow khi chạy trên nền tảng
+    # Tắt log TensorFlow
     tf.get_logger().setLevel('ERROR') 
     
-    # SỬ DỤNG custom_objects KHI TẢI MÔ HÌNH
+    # Tải mô hình với danh sách custom objects đầy đủ
     model = tf.keras.models.load_model(
         MODEL_PATH, 
-        custom_objects={
-            'InputLayer': FixedInputLayer,        # Fix InputLayer
-            'RandomFlip': FixedRandomFlip,        # Fix RandomFlip
-            'RandomRotation': FixedRandomRotation, # Fix RandomRotation
-            'RandomZoom': FixedRandomZoom,         # Fix RandomZoom
-            'RandomContrast': FixedRandomContrast # Fix RandomContrast
-            # Bổ sung các lớp Augmentation khác nếu cần
-        }
+        custom_objects=CUSTOM_OBJECTS
     )
     print("✅ Mô hình đã được tải thành công.")
 except Exception as e:
-    # Nếu mô hình không tải được (ví dụ: lỗi cấu trúc), in ra lỗi
     print(f"❌ Lỗi tải mô hình: {e}")
     model = None
 
@@ -69,25 +93,30 @@ def predict_guava_quality(img_input):
     if model is None:
         return "❌ Lỗi: Không thể tải mô hình.", 0.0
 
-    # Chuyển đổi từ numpy array của Gradio sang PIL Image và resize
-    img_pil = Image.fromarray(img_input).convert("RGB")
-    img_resized = img_pil.resize(IMG_SIZE)
-    
-    # Preprocess
-    arr = np.array(img_resized).astype("float32")
-    arr = preprocess_input(arr)
-    arr = np.expand_dims(arr, 0) # Thêm dimension batch size
+    if img_input is None:
+        return "❌ Vui lòng tải ảnh lên.", 0.0
+
+    try:
+        # Chuyển đổi ảnh
+        img_pil = Image.fromarray(img_input).convert("RGB")
+        img_resized = img_pil.resize(IMG_SIZE)
+        
+        # Preprocess
+        arr = np.array(img_resized).astype("float32")
+        arr = preprocess_input(arr)
+        arr = np.expand_dims(arr, 0)
 
-    # Dự đoán
-    preds = model.predict(arr)[0]
-    idx = np.argmax(preds)
-    confidence = preds[idx]
-    label = CLASS_NAMES[idx]
+        # Dự đoán
+        preds = model.predict(arr)[0]
+        idx = np.argmax(preds)
+        confidence = preds[idx]
+        label = CLASS_NAMES[idx]
 
-    # Trả về kết quả
-    return f"✅ Kết quả: {label}", float(confidence)
+        return f"✅ Kết quả: {label}", float(confidence)
+    except Exception as e:
+        return f"❌ Lỗi xử lý ảnh: {str(e)}", 0.0
 
-# 3. Định nghĩa giao diện Gradio
+# 3. Giao diện Gradio
 demo = gr.Interface(
     fn=predict_guava_quality,
     inputs=gr.Image(type="numpy", label="Tải ảnh Quả Ổi"),
@@ -99,7 +128,6 @@ demo = gr.Interface(
     description="Tải lên ảnh quả ổi để phân loại thành: Hàng xuất khẩu (very_good), Hàng nội địa (good), hoặc Loại bỏ (bad)."
 )
 
-# 4. Chạy Gradio App (Hugging Face Spaces sẽ tự chạy file này)
+# 4. Chạy App
 if __name__ == "__main__":
-    # Server port và name cần thiết để Gradio chạy trong môi trường container
     demo.launch(server_name="0.0.0.0", server_port=7860)