Delete app.py

app.py

@@ -1,65 +0,0 @@
-import torch
-import gradio as gr
-from PIL import Image
-import numpy as np
-
-# بارگذاری مدل
-model_path = "sapiens_0.3b_render_people_epoch_100_torchscript.pt2"
-model = torch.jit.load(model_path, map_location=torch.device('cpu'))
-model.eval()
-
-def predict(image):
-    try:
-        print("Predict function called")
-
-        # تغییر اندازه تصویر به 768x1024
-        image = image.resize((768, 1024))  # تغییر اندازه به 768x1024
-
-        # پیش‌پردازش تصویر
-        image = image.convert("RGB")
-        input_tensor = np.array(image)
-        input_tensor = input_tensor.transpose(2, 0, 1)  # تبدیل از HWC به CHW
-        input_tensor = input_tensor[np.newaxis, :]  # افزودن بعد batch
-        input_tensor = input_tensor / 255.0  # نرمال‌سازی
-        input_tensor = torch.from_numpy(input_tensor).float()
-
-        print(f"Input tensor shape: {input_tensor.shape}")
-
-        # اجرای مدل
-        with torch.no_grad():
-            output = model(input_tensor)
-
-        print(f"Output tensor shape: {output.shape}")
-
-        # پس‌پردازش خروجی
-        output_image = output.squeeze().cpu().numpy()
-
-        # اگر خروجی تک کاناله است، به RGB تبدیل می‌شود
-        if output_image.ndim == 2:  # فقط در صورتی که تک کاناله است
-            output_image = np.stack([output_image] * 3, axis=-1)
-        
-        elif output_image.shape[0] == 1:  # اگر کانال اول 1 است، آن را به RGB تبدیل کنید
-            output_image = np.tile(output_image, (3, 1, 1))
-            output_image = output_image.transpose(1, 2, 0)
-
-        output_image = (output_image * 255).astype(np.uint8)
-        output_image = Image.fromarray(output_image)
-
-        print("Output image generated successfully")
-        return output_image
-
-    except Exception as e:
-        print(f"Error during prediction: {str(e)}")
-        return None
-
-# تعریف رابط Gradio
-iface = gr.Interface(
-    fn=predict,
-    inputs=gr.Image(type="pil", label="Input Image"),
-    outputs=gr.Image(type="pil", label="Output Image"),
-    title="Sapiens Model Inference",
-    description="Upload an image to process with the Sapiens model."
-)
-
-if __name__ == "__main__":
-    iface.launch()