Update app.py

app.py

@@ -1,51 +1,39 @@
 import os
-
-# ⚠️ إجبار TensorFlow على عدم حجز الـ GPU بالكامل أثناء الـ Startup لمنع تصادم ZeroGPU
-os.environ["TF_FORCE_GPU_ALLOW_GROWTH"] = "true"
-os.environ["CUDA_VISIBLE_DEVICES"] = "0"
-
 import cv2
 import numpy as np
-import tensorflow as tf
 import gradio as gr
-import spaces  # مكتبة ZeroGPU
-from tensorflow.keras import datasets, layers, models
+import spaces
 
 # ============================================
-# 1. تحميل أو بناء النموذج
+# 1. بناء/تدريب النموذج لحفظه محلياً
 # ============================================
 model_path = 'mnist_cnn_model.keras'
 
-if os.path.exists(model_path):
-    model = tf.keras.models.load_model(model_path)
-    print("✅ تم تحميل النموذج المحفوظ.")
-else:
-    print("⚠️ بناء وتدريب النموذج...")
-    model = models.Sequential([
-        layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
-        layers.MaxPooling2D((2, 2)),
-        layers.Conv2D(64, (3, 3), activation='relu'),
-        layers.MaxPooling2D((2, 2)),
-        layers.Flatten(),
-        layers.Dense(128, activation='relu'),
-        layers.Dropout(0.5),
-        layers.Dense(10, activation='softmax')
-    ])
-    model.compile(
-        optimizer='adam',
-        loss='sparse_categorical_crossentropy',
-        metrics=['accuracy']
-    )
-    
-    (x_train, y_train), _ = datasets.mnist.load_data()
-    x_train = x_train.reshape((60000, 28, 28, 1)).astype('float32') / 255.0
-    model.fit(x_train, y_train, epochs=5, validation_split=0.1, verbose=1)
-    model.save(model_path)
-    print("✅ تم حفظ النموذج.")
-
-# تحميل بيانات الاختبار للأمثلة
-(_, _), (test_images, test_labels) = datasets.mnist.load_data()
-test_images = test_images.reshape((10000, 28, 28, 1)).astype('float32') / 255.0
+def ensure_model_exists():
+    if not os.path.exists(model_path):
+        print("⚠️ جاري تدريب النموذج وحفظه لأول مرة...")
+        import tensorflow as tf
+        from tensorflow.keras import datasets, layers, models
+
+        model = models.Sequential([
+            layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
+            layers.MaxPooling2D((2, 2)),
+            layers.Conv2D(64, (3, 3), activation='relu'),
+            layers.MaxPooling2D((2, 2)),
+            layers.Flatten(),
+            layers.Dense(128, activation='relu'),
+            layers.Dropout(0.5),
+            layers.Dense(10, activation='softmax')
+        ])
+        model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
+        
+        (x_train, y_train), _ = datasets.mnist.load_data()
+        x_train = x_train.reshape((60000, 28, 28, 1)).astype('float32') / 255.0
+        model.fit(x_train, y_train, epochs=3, validation_split=0.1, verbose=1)
+        model.save(model_path)
+        print("✅ تم حفظ النموذج بنجاح.")
+
+ensure_model_exists()
 
 # ============================================
 # 2. دالة معالجة الصورة
@@ -55,9 +43,7 @@ def process_image_for_mnist(image_input):
         return None, None
 
     if isinstance(image_input, dict):
-        image = image_input.get('composite', None)
-        if image is None:
-            image = image_input.get('background', None)
+        image = image_input.get('composite', None) or image_input.get('background', None)
         if image is None and len(image_input) > 0:
             image = list(image_input.values())[0]
     else:
@@ -85,11 +71,15 @@ def process_image_for_mnist(image_input):
 
     return normalized, reshaped
 
+# Variable لحفظ النموذج داخل الـ GPU Worker
+loaded_model = None
+
 # ============================================
-# 3. دالة التوقع المحمية بـ ZeroGPU
+# 3. دالة التوقع ببيئة ZeroGPU المضمونة
 # ============================================
 @spaces.GPU
 def predict_sketch(image):
+    global loaded_model
     try:
         if image is None:
             return {}, None, "⚠️ يرجى الرسم في المربع أولاً!"
@@ -99,8 +89,23 @@ def predict_sketch(image):
         if normalized is None:
             return {}, None, "⚠️ تعذر معالجة الصورة المدخلة."
 
-        # إجراء التوقع باستخدام الـ GPU المخصص ديناميكياً
-        preds = model(reshaped, training=False).numpy()[0]
+        # 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:
+                for gpu in gpus:
+                    tf.config.experimental.set_memory_growth(gpu, True)
+            except RuntimeError:
+                pass
+
+        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))
 
@@ -112,7 +117,7 @@ def predict_sketch(image):
         top3_idx = np.argsort(preds)[-3:][::-1]
         top3_str = "\n".join([f"   {i+1}. الرقم {idx}: {preds[idx]:.2%}" for i, idx in enumerate(top3_idx)])
 
-        debug_info = f"""📊 نتائج التوقع (ZeroGPU):
+        debug_info = f"""📊 نتائج التوقع (ZeroGPU Active):
 - الرقم المتوقع: {predicted_class}
 - نسبة الثقة: {confidence:.2%}
 
@@ -125,17 +130,7 @@ def predict_sketch(image):
         return {}, None, f"❌ خطأ أثناء التوقّع: {str(e)}"
 
 # ============================================
-# 4. دالة اختيار مثال عشوائي
-# ============================================
-def random_example():
-    idx = np.random.randint(0, len(test_images))
-    img = test_images[idx].reshape(28, 28)
-    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
+# 4. بناء واجهة Gradio
 # ============================================
 with gr.Blocks(title="MNIST Recognizer on ZeroGPU") as demo:
     gr.Markdown("# 🧠 التعرف على الأرقام المكتوبة بخط اليد (ZeroGPU)")
@@ -143,9 +138,7 @@ with gr.Blocks(title="MNIST Recognizer on ZeroGPU") as demo:
     with gr.Row():
         with gr.Column(scale=1):
             sketch = gr.Sketchpad(label="✏️ منطقة الرسم")
-            with gr.Row():
-                submit_btn = gr.Button("🔮 توقع", variant="primary")
-                random_btn = gr.Button("🎲 مثال عشوائي", variant="secondary")
+            submit_btn = gr.Button("🔮 توقع", variant="primary")
             info = gr.Textbox(label="📌 معلومات التصحيح", interactive=False, lines=8)
             
         with gr.Column(scale=1):
@@ -157,11 +150,5 @@ with gr.Blocks(title="MNIST Recognizer on ZeroGPU") as demo:
         inputs=sketch,
         outputs=[output, processed_img, info]
     )
-    
-    random_btn.click(
-        fn=random_example,
-        inputs=[],
-        outputs=[sketch, info]
-    )
 
 demo.launch()