Update app.py

app.py

@@ -3,19 +3,48 @@ 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
 
 # 1. Định nghĩa hằng số
 MODEL_PATH = "best_model.h5" # Tên file mô hình đã upload
 IMG_SIZE = (224, 224)
-CLASS_NAMES = ['bad', 'good', 'very_good'] # Dùng list cứng nếu không muốn dùng pickle
+CLASS_NAMES = ['bad', 'good', 'very_good'] 
+
+# =================================================================
+# KHẮC PHỤC LỖI DESERIALIZATION (batch_shape)
+# Nếu mô hình được lưu bằng Keras cũ, ta cần định nghĩa lại InputLayer 
+# để chấp nhận tham số batch_shape khi tải.
+class FixedInputLayer(InputLayer):
+    """
+    Tạo InputLayer cố định để xử lý lỗi "Unrecognized keyword arguments: ['batch_shape']"
+    khi tải mô hình đã lưu bằng TF/Keras cũ hơn.
+    """
+    def __init__(self, **kwargs):
+        if 'batch_shape' in kwargs:
+            # Chuyển batch_shape thành input_shape
+            kwargs['input_shape'] = kwargs['batch_shape'][1:]
+            del kwargs['batch_shape']
+        super().__init__(**kwargs)
+
+# =================================================================
 
 # 2. Tải mô hình
-# Sử dụng try/except để xử lý lỗi nếu model.h5 quá lớn
+model = None
 try:
-    model = tf.keras.models.load_model(MODEL_PATH)
+    # Tắt log TensorFlow khi chạy trên nền tảng
+    tf.get_logger().setLevel('ERROR') 
+    
+    # SỬ DỤNG custom_objects KHI TẢI MÔ HÌNH
+    model = tf.keras.models.load_model(
+        MODEL_PATH, 
+        custom_objects={
+            'InputLayer': FixedInputLayer # Sử dụng lớp FixedInputLayer để thay thế
+        }
+    )
+    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}")
+    print(f"❌ Lỗi tải mô hình: {e}")
     model = None
 
 def predict_guava_quality(img_input):
@@ -52,5 +81,7 @@ 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 gọi file này)
-# demo.launch()
+# 4. Chạy Gradio App (Hugging Face Spaces sẽ tự chạy file này)
+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)