Upload app.py with huggingface_hub

app.py

@@ -5,7 +5,6 @@ import json
 import traceback
 import torch
 import gradio as gr
-
 import numpy as np
 from PIL import Image
 import cv2
@@ -38,8 +37,6 @@ def find_available_models():
 # ==============================================================================
 #           2. الدوال الأساسية (load_model, run_single_frame)
 # ==============================================================================
-# (هذه الدوال تبقى كما هي من الإصدار السابق الذي يدعم الجلسات)
-
 def load_model(model_name: str):
     if not model_name or "لم يتم" in model_name:
         return None, "الرجاء اختيار نموذج صالح."
@@ -48,16 +45,14 @@ def load_model(model_name: str):
     model_config = MODELS_SPECIFIC_CONFIGS.get(model_name, {})
     model = build_interfuser_model(model_config)
     if not os.path.exists(weights_path):
-        # استبدال gr.Warning برمي استثناء خطأ
-        raise gr.Error(f"ملف الأوزان '{weights_path}' غير موجود.")
+        gr.Warning(f"ملف الأوزان '{weights_path}' غير موجود.")
     else:
         try:
             state_dic = torch.load(weights_path, map_location=device, weights_only=True)
             model.load_state_dict(state_dic)
             print(f"تم تحميل أوزان النموذج '{model_name}' بنجاح.")
         except Exception as e:
-            # استبدال gr.Warning برمي استثناء خطأ
-            raise gr.Error(f"فشل تحميل الأوزان للنموذج '{model_name}': {e}.")
+            gr.Warning(f"فشل تحميل الأوزان للنموذج '{model_name}': {e}.")
     model.to(device)
     model.eval()
     return model, f"تم تحميل نموذج: {model_name}"
@@ -72,7 +67,6 @@ def run_single_frame(
         if not (rgb_image_path and measurements_path):
             raise gr.Error("الرجاء توفير الصورة الأمامية وملف القياسات على الأقل.")
         
-        # --- 1. معالجة المدخلات ---
         rgb_image_pil = Image.open(rgb_image_path).convert("RGB")
         rgb_left_pil = Image.open(rgb_left_image_path).convert("RGB") if rgb_left_image_path else rgb_image_pil
         rgb_right_pil = Image.open(rgb_right_image_path).convert("RGB") if rgb_right_image_path else rgb_image_pil
@@ -107,19 +101,16 @@ def run_single_frame(
             'measurements': measurements_tensor, 'target_point': target_point_tensor
         }
 
-        # --- 2. تشغيل النموذج ---
         with torch.no_grad():
             outputs = model_from_state(inputs)
             traffic, waypoints, is_junction, traffic_light, stop_sign, _ = outputs
-
-        # --- 3. المعالجة اللاحقة والتصوّر ---
+        
         speed, pos, theta = m_dict.get('speed',5.0), [m_dict.get('x',0.0), m_dict.get('y',0.0)], m_dict.get('theta',0.0)
         traffic_np, waypoints_np = traffic[0].detach().cpu().numpy().reshape(20,20,-1), waypoints[0].detach().cpu().numpy() * WAYPOINT_SCALE_FACTOR
         tracker, controller = Tracker(), InterfuserController(ControllerConfig())
         updated_traffic = tracker.update_and_predict(traffic_np.copy(), pos, theta, 0)
         steer, throttle, brake, metadata = controller.run_step(speed, waypoints_np, is_junction.sigmoid()[0,1].item(), traffic_light.sigmoid()[0,0].item(), stop_sign.sigmoid()[0,1].item(), updated_traffic)
         
-        # ... (بقية الكود الخاص بالرسم والتصوّر لا يتغير) ...
         map_t0, counts_t0 = render(updated_traffic, t=0)
         map_t1, counts_t1 = render(updated_traffic, t=T1_FUTURE_TIME)
         map_t2, counts_t2 = render(updated_traffic, t=T2_FUTURE_TIME)
@@ -136,7 +127,6 @@ def run_single_frame(
             'object_counts': {'t0': counts_t0,'t1': counts_t1,'t2': counts_t2}}
         dashboard_image = display.run_interface(interface_data)
         
-        # --- 4. تجهيز المخرجات ---
         result_dict = {"predicted_waypoints": waypoints_np.tolist(), "control_commands": {"steer": steer,"throttle": throttle,"brake": bool(brake)},
             "perception": {"traffic_light_status": light_state,"stop_sign_detected": (stop_sign_state == "Yes"),"is_at_junction_prob": round(is_junction.sigmoid()[0,1].item(), 3)},
             "metadata": {"speed_info": metadata[0],"perception_info": metadata[1],"stop_info": metadata[2],"safe_distance": metadata[3]}}
@@ -147,12 +137,11 @@ def run_single_frame(
         raise gr.Error(f"حدث خطأ أثناء معالجة الإطار: {e}")
 
 # ==============================================================================
-#           4. تعريف واجهة Gradio المحسّنة
+#           4. تعريف واجهة Gradio المحسّنة (مع الإصلاح)
 # ==============================================================================
 available_models = find_available_models()
 
 with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="sky"), css=".gradio-container {max-width: 95% !important;}") as demo:
-    # مكون الحالة الخفي لتخزين النموذج الخاص بكل جلسة
     model_state = gr.State(value=None)
     
     gr.Markdown("# 🚗 محاكاة القيادة الذاتية باستخدام Interfuser")
@@ -176,22 +165,19 @@ with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="sky"), cs
             with gr.Group():
                 gr.Markdown("## 🗂️ الخطوة 2: ارفع ملفات السيناريو")
                 
-                # المدخلات المطلوبة
                 with gr.Group():
                     gr.Markdown("**(مطلوب)**")
-                    api_rgb_image_path = gr.File(label="صورة الكاميرا الأمامية (RGB)")
-                    api_measurements_path = gr.File(label="ملف القياسات (JSON)")
+                    api_rgb_image_path = gr.File(label="صورة الكاميرا الأمامية (RGB)", type="filepath")
+                    api_measurements_path = gr.File(label="ملف القياسات (JSON)", type="filepath")
 
-                # المدخلات الاختيارية
                 with gr.Accordion("📷 مدخلات اختيارية (كاميرات ومستشعرات إضافية)", open=False):
-                    api_rgb_left_image_path = gr.File(label="كاميرا اليسار (RGB)")
-                    api_rgb_right_image_path = gr.File(label="كاميرا اليمين (RGB)")
-                    api_rgb_center_image_path = gr.File(label="كاميرا الوسط (RGB)")
-                    api_lidar_image_path = gr.File(label="بيانات الليدار (NPY)")
+                    api_rgb_left_image_path = gr.File(label="كاميرا اليسار (RGB)", type="filepath")
+                    api_rgb_right_image_path = gr.File(label="كاميرا اليمين (RGB)", type="filepath")
+                    api_rgb_center_image_path = gr.File(label="كاميرا الوسط (RGB)", type="filepath")
+                    api_lidar_image_path = gr.File(label="بيانات الليدار (NPY)", type="filepath")
                 
                 api_target_point_list = gr.JSON(label="📍 النقطة المستهدفة (x, y)", value=[0.0, 100.0])
                 
-                # زر التشغيل
                 api_run_button = gr.Button("🚀 شغل المحاكاة", variant="primary", scale=2)
 
             # --- أمثلة جاهزة ---
@@ -200,10 +186,11 @@ with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="sky"), cs
                 gr.Markdown("انقر على مثال لتعبئة الحقول تلقائياً (يتطلب وجود مجلد `examples` بنفس بنية البيانات).")
                 gr.Examples(
                     examples=[
-                        [os.path.join(EXAMPLES_DIR, "sample1", "rgb.png"), None, None, None, None, os.path.join(EXAMPLES_DIR, "sample1", "measurements.json")],
-                        [os.path.join(EXAMPLES_DIR, "sample2", "rgb.png"), None, None, None, None, os.path.join(EXAMPLES_DIR, "sample2", "measurements.json")]
+                        [os.path.join(EXAMPLES_DIR, "sample1", "rgb.png"), os.path.join(EXAMPLES_DIR, "sample1", "measurements.json")],
+                        [os.path.join(EXAMPLES_DIR, "sample2", "rgb.png"), os.path.join(EXAMPLES_DIR, "sample2", "measurements.json")]
                     ],
-                    inputs=[api_rgb_image_path, api_rgb_left_image_path, api_rgb_right_image_path, api_rgb_center_image_path, api_lidar_image_path, api_measurements_path],
+                    # يجب أن تتطابق المدخلات مع الحقول المطلوبة في الأمثلة
+                    inputs=[api_rgb_image_path, api_measurements_path],
                     label="اختر سيناريو اختبار"
                 )
 
@@ -234,5 +221,5 @@ with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="sky"), cs
 # ==============================================================================
 if __name__ == "__main__":
     if not available_models:
-        print("تحذير: لم يتم العثور على أي ملفات نماذج (.pth) في مجلد 'model'.")
-    demo.queue().launch(debug=True, share=True) # share=True لإنشاء رابط عام مؤقت
+        print("تحذير: لم يتم العثور على أي ملفات نماذج (.pth) في مجلد 'model/weights'.")
+    demo.queue().launch(debug=True, share=True)