Update app.py

app.py

@@ -2,100 +2,75 @@ import gradio as gr
 import torch
 import json
 import torch.nn.functional as F
-from huggingface_hub import hf_hub_download # استيراد أداة التحميل
-from model import MedicalMasterAI # استيراد المعمارية الخاصة بك
+from huggingface_hub import hf_hub_download
+from model import MedicalMasterAI 
 
-# تحديد الجهاز
 device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
 
-# 1. تحميل التوكنايزر المخصص الخاص بك
-# نفترض أن هذا الملف موجود محلياً في المساحة
 with open("tokenizer_config.json", "r", encoding="utf-8") as f:
     vocab = json.load(f)
     
 stoi = vocab["stoi"]
 itos = vocab["itos"]
 
-# دوال التشفير وفك التشفير
 def encode(text):
     return [stoi.get(c, 0) for c in text]
 
 def decode(ids):
     return "".join([itos.get(str(i), "") for i in ids])
 
-# 2. بناء وتحميل النموذج
 try:
-    # تهيئة النموذج بنفس الأبعاد الموجودة في كودك
     model = MedicalMasterAI(vocab_size=115, n_layer=48, n_head=8, n_embd=768)
     
-    print("جاري سحب ملف الأوزان من المستودع... قد يستغرق هذا بعض الوقت.")
-    # سحب الملف الضخم من مستودعك مباشرة
-    # تأكد أن "gijl/Medical-Master-1.5B" هو المسار الصحيح لمستودعك
+    print("جاري سحب ملف الأوزان من المستودع...")
     model_path = hf_hub_download(repo_id="gijl/Medical-Master-1.5B", filename="pytorch_model.bin")
     print("تم التحميل بنجاح. جاري قراءة الأوزان...")
     
-    # تحميل الأوزان باستخدام المسار الذي أرجعته دالة التحميل
     state_dict = torch.load(model_path, map_location=device, weights_only=True)
-    model.load_state_dict(state_dict)
+    
+    # إضافة strict=False لتجاهل طبقات الصور (image_projection) بأمان
+    model.load_state_dict(state_dict, strict=False)
     
     model.to(device)
-    model.eval() # وضع التقييم
+    model.eval() 
     model_loaded = True
     print("النموذج جاهز للعمل!")
 except Exception as e:
     print(f"Error loading model: {e}")
     model_loaded = False
 
-# 3. دالة المحادثة (التوليد التلقائي)
 def medical_chat(message, history):
     if not model_loaded:
-        return "حدث خطأ أثناء تحميل أوزان النموذج. يرجى مراجعة سجلات الأخطاء (Logs)."
+        return "حدث خطأ أثناء تحميل أوزان النموذج. يرجى مراجعة السجلات."
     
     prompt = f"Question: {message} Answer:" 
-    
-    # تحويل النص إلى أرقام (Tensors)
     idx = torch.tensor([encode(prompt)], dtype=torch.long).to(device)
     
-    # عدد الأحرف التي سيولدها النموذج
     max_new_chars = 200 
-    
     generated_ids = []
     
     with torch.no_grad():
         for _ in range(max_new_chars):
-            # قص السياق إذا تجاوز 1024 
-            idx_cond = idx[:, -1024:]
+            # تغيير 1024 إلى 256 ليتطابق مع حجم أوزان التدريب
+            idx_cond = idx[:, -256:]
             
-            # تمرير البيانات للنموذج
             logits = model(idx_cond)
-            
-            # التركيز على الحرف الأخير فقط
             logits = logits[:, -1, :] 
-            
-            # تطبيق الحرارة (Temperature) 
             temperature = 0.8
             logits = logits / temperature
-            
-            # تحويل القيم إلى احتمالات
             probs = F.softmax(logits, dim=-1)
-            
-            # اختيار الحرف التالي
             idx_next = torch.multinomial(probs, num_samples=1)
             
-            # إضافة الحرف الجديد للسياق
             idx = torch.cat((idx, idx_next), dim=1)
             generated_ids.append(idx_next.item())
             
-    # فك تشفير الأحرف المولدة فقط
     answer = decode(generated_ids)
-    
     return answer
 
-# 4. بناء واجهة Gradio
 demo = gr.ChatInterface(
     fn=medical_chat,
     title="Medical Master (Custom PyTorch AI)",
-    description="نموذج مبني من الصفر (Character-Level) للإجابة على الاستفسارات.",
+    description="نموذج مبني من الصفر للإجابة على الاستفسارات (يعمل بالوضع النصي حالياً).",
 )
 
 if __name__ == "__main__":