Edit app.py

app.py

@@ -2,27 +2,72 @@ import gradio as gr
 from transformers import AutoTokenizer, AutoModelForSequenceClassification, TextClassificationPipeline
 import torch
 
-MODEL_PATH = "./"
+print("Gradio app script started.") # 스크립트 시작 로그
 
-tokenizer = AutoTokenizer.from_pretrained(MODEL_PATH)
-model = AutoModelForSequenceClassification.from_pretrained(MODEL_PATH)
-pipeline = TextClassificationPipeline(model=model, tokenizer=tokenizer, device=0 if torch.cuda.is_available() else -1)
+MODEL_PATH = "./" # 모델 파일이 컨테이너 내 app.py와 동일한 디렉토리에 있다고 가정
 
-def predict(lyrics):
-    result = pipeline(lyrics)
-    # 예쁘게 결과만 추출
-    if isinstance(result, list) and len(result) > 0:
+pipeline_instance = None # 파이프라인 인스턴스를 전역적으로 선언
+
+try:
+    print(f"Loading tokenizer from: {MODEL_PATH}")
+    tokenizer = AutoTokenizer.from_pretrained(MODEL_PATH)
+    print(f"Loading model from: {MODEL_PATH}")
+    model = AutoModelForSequenceClassification.from_pretrained(MODEL_PATH)
+    device_to_use = 0 if torch.cuda.is_available() else -1 # GPU 우선 사용, 없으면 CPU
+    print(f"Using device: {'cuda:0' if device_to_use == 0 else 'cpu'}")
+    pipeline_instance = TextClassificationPipeline(model=model, tokenizer=tokenizer, device=device_to_use)
+    print("Pipeline created successfully.")
+except Exception as e:
+    print(f"Error loading model, tokenizer, or creating pipeline: {e}")
+    # 파이프라인 생성 실패 시 앱이 계속 실행되도록 하지만, predict 함수에서 처리
+
+def predict(lyrics: str): # 입력 타입 명시 (Python 3.9+ 에서 권장)
+    print(f"--- PREDICT FUNCTION CALLED ---")
+    print(f"Received lyrics: '{lyrics}' (Type: {type(lyrics)})")
+
+    if pipeline_instance is None:
+        print("Pipeline is not initialized. Cannot predict.")
+        return "오류: 모델 파이프라인이 초기화되지 않았습니다. (0.00)"
+
+    if not lyrics or not isinstance(lyrics, str) or lyrics.strip() == "":
+        print("Lyrics are empty, not a string, or whitespace only.")
+        return "입력 가사가 비어있거나 유효하지 않습니다. (0.00)"
+    
+    try:
+        print("Performing prediction with pipeline...")
+        result = pipeline_instance(lyrics) # 전역 pipeline_instance 사용
+        print(f"Pipeline raw result: {result}")
+    except Exception as e:
+        print(f"Error during pipeline prediction: {e}")
+        return f"예측 중 오류 발생: {str(e)} (0.00)" # 오류 메시지 포함
+
+    # 결과 추출 로직 (이전과 동일)
+    if isinstance(result, list) and len(result) > 0 and isinstance(result[0], dict):
         label = result[0].get("label", "Unknown")
-        score = result[0].get("score", 0)
+        score = result[0].get("score", 0.0) # 점수가 float인지 확인
+        print(f"Extracted prediction: Label='{label}', Score={score}")
         return f"{label} ({score:.2f})"
-    return "No result"
+    else:
+        print(f"Pipeline returned no result or unexpected format: {result}")
+        return "결과를 추출할 수 없거나 형식이 올바르지 않습니다. (0.00)"
 
+print("Creating Gradio Interface...")
 demo = gr.Interface(
     fn=predict,
-    inputs=gr.Textbox(label="Lyrics"),
+    inputs=gr.Textbox(label="Lyrics", placeholder="여기에 가사를 입력하세요..."),
     outputs=gr.Textbox(label="Predicted Genre"),
-    title="Lyrics Genre Predictor"
+    title="Lyrics Genre Predictor (Local Docker)",
+    description="가사를 입력하면 로컬 Docker 컨테이너에서 실행 중인 모델이 장르를 예측합니다."
+    # api_name="predict" # 명시적으로 API 이름을 설정하면 /api/predict 엔드포인트가 확실히 생성됩니다.
 )
 
 if __name__ == "__main__":
-    demo.launch()
+    print("Launching Gradio app...")
+    # API 접근을 위해서는 queue()를 사용하고 server_name을 설정하는 것이 좋습니다.
+    # server_name="0.0.0.0"은 Docker 컨테이너 외부(예: 호스트의 Next.js)에서 접근 허용
+    # server_port=7860은 Gradio 기본 포트
+    # queue() 사용 시 api_open=True가 기본값인 경우가 많아 /api/predict 엔드포인트가 활성화될 가능성이 높음
+    demo.queue().launch(server_name="0.0.0.0", server_port=7860)
+    # 또는, queue() 없이 api_name을 명시:
+    # demo.launch(server_name="0.0.0.0", server_port=7860, api_name="predict")
+    print(f"Gradio app launched. Access UI at http://localhost:7860. API (likely) at http://localhost:7860/api/predict")