model_loader.py

import torch
import torch.nn as nn
import os
from typing import Tuple, Optional, Any
import warnings

def safe_load_model(model_path: str, device: torch.device, model_instance: nn.Module) -> Tuple[Optional[nn.Module], bool]:
    """
    تحميل آمن للنموذج مع معالجة الأخطاء
    
    Args:
        model_path: مسار ملف النموذج
        device: الجهاز (CPU/GPU)
        model_instance: instance من النموذج
    
    Returns:
        tuple: (النموذج المحمل، نجح التحميل أم لا)
    """
    try:
        # التحقق من وجود الملف
        if not os.path.exists(model_path):
            print(f"❌ ملف النموذج غير موجود: {model_path}")
            print("💡 تأكد من وضع ملف best_model.pth في نفس مجلد التطبيق")
            return None, False
        
        print(f"📂 جاري تحميل النموذج من: {model_path}")
        
        # تحميل النموذج
        checkpoint = torch.load(model_path, map_location=device)
        
        # التحقق من نوع checkpoint
        if isinstance(checkpoint, dict):
            # إذا كان النموذج محفوظ كـ state_dict
            if 'model_state_dict' in checkpoint:
                model_instance.load_state_dict(checkpoint['model_state_dict'])
                print("✅ تم تحميل state_dict من checkpoint")
            elif 'state_dict' in checkpoint:
                model_instance.load_state_dict(checkpoint['state_dict'])
                print("✅ تم تحميل state_dict")
            else:
                # محاولة تحميل dict مباشرة
                model_instance.load_state_dict(checkpoint)
                print("✅ تم تحميل النموذج كـ state_dict")
        else:
            # إذا كان النموذج محفوظ كـ full model
            model_instance = checkpoint
            print("✅ تم تحميل النموذج الكامل")
        
        # نقل إلى الجهاز المناسب
        model_instance = model_instance.to(device)
        model_instance.eval()  # وضع التقييم
        
        print(f"✅ تم تحميل النموذج بنجاح على {device}")
        return model_instance, True
        
    except FileNotFoundError:
        print(f"❌ ملف النموذج غير موجود: {model_path}")
        return None, False
    except RuntimeError as e:
        print(f"❌ خطأ في تحميل النموذج: {e}")
        print("💡 تأكد من أن بنية النموذج متطابقة مع النموذج المحفوظ")
        return None, False
    except Exception as e:
        print(f"❌ خطأ غير متوقع في تحميل النموذج: {e}")
        return None, False

def validate_model_architecture(model: nn.Module, expected_input_size: int = 193) -> bool:
    """
    التحقق من صحة بنية النموذج
    
    Args:
        model: النموذج المحمل
        expected_input_size: حجم الإدخال المتوقع
    
    Returns:
        bool: صحيح إذا كانت البنية صحيحة
    """
    try:
        # إنشاء tensor تجريبي
        dummy_input = torch.randn(1, expected_input_size)
        
        # تجربة forward pass
        with torch.no_grad():
            output = model(dummy_input)
        
        print(f"✅ بنية النموذج صحيحة - الإدخال: {expected_input_size}, الإخراج: {output.shape}")
        return True
        
    except Exception as e:
        print(f"❌ بنية النموذج غير صحيحة: {e}")
        return False

def create_dummy_model(num_classes: int = 8) -> nn.Module:
    """
    إنشاء نموذج وهمي للاختبار عند عدم وجود النموذج الأصلي
    
    Args:
        num_classes: عدد الفئات
    
    Returns:
        نموذج وهمي
    """
    print("⚠️  إنشاء نموذج وهمي للاختبار...")
    
    class DummyEmotionNet(nn.Module):
        def __init__(self, num_classes=8):
            super(DummyEmotionNet, self).__init__()
            self.fc = nn.Linear(193, num_classes)  # 193 هو حجم الميزات المستخرجة
        
        def forward(self, x):
            return self.fc(x)
    
    model = DummyEmotionNet(num_classes)
    print("✅ تم إنشاء النموذج الوهمي")
    return model

def check_model_file(model_path: str = 'best_model.pth'):
    """
    فحص ملف النموذج وإعطاء معلومات عنه
    
    Args:
        model_path: مسار ملف النموذج
    """
    print(f"🔍 فحص ملف النموذج: {model_path}")
    
    if not os.path.exists(model_path):
        print("❌ ملف النموذج غير موجود!")
        print("💡 تأكد من:")
        print("   1. وضع ملف best_model.pth في نفس مجلد التطبيق")
        print("   2. أن اسم الملف صحيح")
        print("   3. أن الملف غير تالف")
        return False
    
    # معلومات الملف
    file_size = os.path.getsize(model_path)
    print(f"📊 حجم الملف: {file_size / (1024*1024):.2f} MB")
    
    # محاولة قراءة الملف
    try:
        checkpoint = torch.load(model_path, map_location='cpu')
        print("✅ يمكن قراءة الملف")
        
        if isinstance(checkpoint, dict):
            print("📋 محتويات الملف:")
            for key in checkpoint.keys():
                print(f"   - {key}")
        
        return True
        
    except Exception as e:
        print(f"❌ خطأ في قراءة الملف: {e}")
        return False

if __name__ == "__main__":
    # اختبار النظام
    print("🧪 اختبار نظام تحميل النموذج...")
    check_model_file()