Update app.py

app.py

@@ -35,21 +35,29 @@ def ensure_model_exists():
 
 ensure_model_exists()
 
+# تحميل بيانات الاختبار للأمثلة العشوائية
+import tensorflow as tf
+(_, _), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()
+test_images_norm = test_images.reshape((10000, 28, 28, 1)).astype('float32') / 255.0
+
 # ============================================
-# 2. دالة معالجة الصورة
+# 2. دالة معالجة الصورة الآمنة
 # ============================================
 def process_image_for_mnist(image_input):
+    # التحقق الآمن من الصفر/الغياب بدون تقييم المصفوفة كـ Boolean
     if image_input is None:
         return None, None
 
     if isinstance(image_input, dict):
-        image = image_input.get('composite', None) or image_input.get('background', None)
+        image = image_input.get('composite', None)
+        if image is None:
+            image = image_input.get('background', None)
         if image is None and len(image_input) > 0:
             image = list(image_input.values())[0]
     else:
         image = image_input
 
-    if image is None or not isinstance(image, np.ndarray):
+    if image is None or not isinstance(image, np.ndarray) or image.size == 0:
         return None, None
 
     if len(image.shape) == 3 and image.shape[-1] == 4:
@@ -71,7 +79,6 @@ def process_image_for_mnist(image_input):
 
     return normalized, reshaped
 
-# Variable لحفظ النموذج داخل الـ GPU Worker
 loaded_model = None
 
 # ============================================
@@ -81,18 +88,17 @@ loaded_model = None
 def predict_sketch(image):
     global loaded_model
     try:
+        # إصلاح سبب الخطأ: استخدام size أو is None بشكل صريح
         if image is None:
-            return {}, None, "⚠️ يرجى الرسم في المربع أولاً!"
+            return {}, None, "⚠️ يرجى الرسم في المربع أو اختيار مثال أولاً!"
 
         normalized, reshaped = process_image_for_mnist(image)
 
         if normalized is None:
             return {}, None, "⚠️ تعذر معالجة الصورة المدخلة."
 
-        # تحميل TensorFlow وتكوين الـ GPU ديناميكياً داخل بيئة ZeroGPU فقط
         import tensorflow as tf
         
-        # تهيئة نمو الذاكرة لتفادي انهيار CUDA memory allocation
         gpus = tf.config.list_physical_devices('GPU')
         if gpus:
             try:
@@ -104,7 +110,6 @@ def predict_sketch(image):
         if loaded_model is None:
             loaded_model = tf.keras.models.load_model(model_path)
 
-        # التوقع
         preds = loaded_model(reshaped, training=False).numpy()[0]
         predicted_class = int(np.argmax(preds))
         confidence = float(np.max(preds))
@@ -130,7 +135,17 @@ def predict_sketch(image):
         return {}, None, f"❌ خطأ أثناء التوقّع: {str(e)}"
 
 # ============================================
-# 4. بناء واجهة Gradio
+# 4. دالة اختيار مثال عشوائي (تمت إعادتها)
+# ============================================
+def random_example():
+    idx = np.random.randint(0, len(test_images))
+    img = test_images[idx]
+    img_large = cv2.resize(img, (280, 280), interpolation=cv2.INTER_NEAREST)
+    img_rgb = np.stack([img_large] * 3, axis=2)
+    return img_rgb, f"🎲 تم اختيار رقم عشوائي (الرقم الحقيقي: {test_labels[idx]})"
+
+# ============================================
+# 5. بناء واجهة Gradio
 # ============================================
 with gr.Blocks(title="MNIST Recognizer on ZeroGPU") as demo:
     gr.Markdown("# 🧠 التعرف على الأرقام المكتوبة بخط اليد (ZeroGPU)")
@@ -138,17 +153,26 @@ with gr.Blocks(title="MNIST Recognizer on ZeroGPU") as demo:
     with gr.Row():
         with gr.Column(scale=1):
             sketch = gr.Sketchpad(label="✏️ منطقة الرسم")
-            submit_btn = gr.Button("🔮 توقع", variant="primary")
+            with gr.Row():
+                submit_btn = gr.Button("🔮 توقع", variant="primary")
+                random_btn = gr.Button("🎲 مثال عشوائي", variant="secondary")
             info = gr.Textbox(label="📌 معلومات التصحيح", interactive=False, lines=8)
             
         with gr.Column(scale=1):
             output = gr.Label(num_top_classes=3, label="📊 احتمالات التوقع")
             processed_img = gr.Image(label="🖼️ الصورة بعد المعالجة", image_mode="L")
 
+    # ربط الأحداث
     submit_btn.click(
         fn=predict_sketch,
         inputs=sketch,
         outputs=[output, processed_img, info]
     )
+    
+    random_btn.click(
+        fn=random_example,
+        inputs=[],
+        outputs=[sketch, info]
+    )
 
 demo.launch()