Update app.py

app.py

@@ -6,41 +6,40 @@ import json
 
 class UltraLightGeoDemo:
     def __init__(self):
-        self.dataset_info = "S2-NAIP Demo - Gerçek model yüklenmedi"
+        self.dataset_info = "S2-NAIP Mini Demo - Hafif örnek veri ile"
     
     def predict_coordinates(self, image):
         """Demo tahmin - model yüklemeden"""
         try:
             # Rastgele koordinatlar (demo amaçlı)
-            lat = round(random.uniform(36.0, 42.0), 4)  # Türkiye
+            lat = round(random.uniform(36.0, 42.0), 4)  # Türkiye civarı
             lon = round(random.uniform(26.0, 45.0), 4)
             
-            # Basit güven skoru
-            confidence = round(random.uniform(0.3, 0.9), 2)
+            confidence = round(random.uniform(0.4, 0.95), 2)
             
             result = {
                 'latitude': lat,
-                'longitude': lon, 
+                'longitude': lon,
                 'confidence': confidence,
-                'note': 'BU BİR DEMO TAHMİNDİR - Gerçek model eğitilmemiştir',
-                'next_step': 'Gerçek eğitim için Kaggle kullanın: https://kaggle.com'
+                'note': 'DEMO TAHMİN — Gerçek model eğitilmedi',
+                'next_step': 'Gerçek mini model eğitimi için Kaggle örneğini kullanın.'
             }
-            
             return result
-            
         except Exception as e:
             return {'error': str(e)}
 
+
 # Gradio arayüzü
 def create_demo_interface():
     demo = UltraLightGeoDemo()
     
-    with gr.Blocks(title="🌍 Jeo-Referanslama Demo", theme=gr.themes.Soft()) as interface:
+    with gr.Blocks(title="🌍 Jeo-Referanslama Mini Demo", theme=gr.themes.Soft()) as interface:
         gr.Markdown("""
-        # 🌍 Jeo-Referanslama DEMO
+        # 🌍 Jeo-Referanslama **Mini DEMO**
         **Ultra Hafif Sürüm - Gerçek model olmadan çalışır**
         
-        *Not: Bu bir demo uygulamasıdır. Gerçek model eğitimi için aşağıdaki Kaggle bağlantısını kullanın.*
+        🔹 Bu versiyon sadece az sayıda veri örneğiyle (mini dataset) test yapılmasını önerir.  
+        🔹 Gerçek eğitim için aşağıdaki Kaggle bağlantısını kullanabilirsiniz.
         """)
         
         with gr.Row():
@@ -58,37 +57,34 @@ def create_demo_interface():
         # Kaggle bağlantısı
         gr.Markdown("""
         ---
-        ## 🚀 Gerçek Model İçin Kaggle'a Git:
-        
-        **[👉 KAGGLE'DA TAM SİSTEMİ ÇALIŞTIR](https://kaggle.com)**
+        ## 🚀 Gerçek (mini) Model İçin Kaggle'a Git:
+        **[👉 KAGGLE'DA MİNİ SİSTEMİ ÇALIŞTIR](https://kaggle.com)**
         
         **Kaggle'da yapman gerekenler:**
-        1. Yukarıdaki bağlantıya tıkla
-        2. "Notebooks" → "New Notebook"
-        3. "Settings" → "GPU" seç
-        4. Aşağıdaki kodu yapıştır
+        1. Bağlantıya tıkla → "Notebooks" → "New Notebook"
+        2. "Settings" sekmesinde **GPU (T4)** seç
+        3. Aşağıdaki hafif veri yükleme kodunu çalıştır
         """)
         
-        # Kaggle kodu
-        with gr.Accordion("📋 Kaggle İçin Hazır Kod", open=False):
+        # Kaggle için mini dataset kodu
+        with gr.Accordion("📋 Kaggle Mini Eğitim Kodu", open=False):
             gr.Markdown("""
             ```python
-            # Kaggle'da çalıştıracak tam kod
-            !pip install torch transformers datasets torchvision tqdm
-            
+            # HAFİF EĞİTİM KODU - 500 örnekle mini test
+            !pip install torch torchvision transformers datasets tqdm --quiet
+
             import torch
             from transformers import AutoModel
             from datasets import load_dataset
-            
-            # TAM S2-NAIP datasetini yükle (5GB)
-            dataset = load_dataset("allenai/s2-naip", split="train")
-            print(f"Tam dataset: {len(dataset)} örnek")
-            
-            # GPU kullan
+
+            print("🛰️ S2-NAIP mini örnek yükleniyor...")
+            dataset = load_dataset("allenai/s2-naip", split="train[:500]")  # sadece 500 örnek
+            print(f"Yüklendi: {len(dataset)} örnek")
+
             device = "cuda" if torch.cuda.is_available() else "cpu"
             model = AutoModel.from_pretrained("facebook/dinov2-small").to(device)
-            
-            print("Gerçek eğitim başlayabilir!")
+
+            print("✅ Mini eğitim/deneme için hazır!")
             ```
             """)
         
@@ -100,6 +96,7 @@ def create_demo_interface():
     
     return interface
 
+
 if __name__ == "__main__":
     demo = create_demo_interface()
     demo.launch(server_name="0.0.0.0", server_port=7860)