Update app.py

app.py

@@ -1,328 +1,55 @@
-import os
-import gc
-import torch
 from transformers import pipeline
 import gradio as gr
 from PIL import Image
 import requests
 from io import BytesIO
-import psutil
-from datetime import datetime
 
-# 設定環境變數，使用臨時目錄避免快速填滿存儲
-os.environ["TRANSFORMERS_CACHE"] = "/tmp/transformers_cache"
-os.environ["HF_HOME"] = "/tmp/hf_home"
-os.environ["TORCH_HOME"] = "/tmp/torch_cache"
-
-def clear_memory():
-    """清理記憶體和快取"""
-    gc.collect()
-    if torch.cuda.is_available():
-        torch.cuda.empty_cache()
-
-def check_storage():
-    """檢查存儲空間"""
-    try:
-        disk_usage = psutil.disk_usage('/')
-        free_gb = disk_usage.free / (1024**3)
-        used_percent = (disk_usage.used / disk_usage.total) * 100
-        return free_gb, used_percent
-    except:
-        return 0, 100
-
-def load_medgemma_model():
-    """載入 MedGemma 模型，使用優化設定"""
-    try:
-        print("🏥 正在載入 MedGemma-4B 模型...")
-        print(f"⏰ 載入時間: {datetime.now().strftime('%H:%M:%S')}")
-        
-        # 檢查存儲空間
-        free_gb, used_percent = check_storage()
-        print(f"💾 可用空間: {free_gb:.1f}GB, 使用率: {used_percent:.1f}%")
-        
-        if free_gb < 5:  # 如果可用空間少於5GB
-            raise Exception(f"存儲空間不足 ({free_gb:.1f}GB)，建議至少需要 5GB")
-        
-        # 使用優化設定載入模型
-        pipe = pipeline(
-            "image-to-text",
-            model="google/medgemma-4b-it",
-            torch_dtype=torch.float16,  # 使用半精度節省記憶體
-            device_map="auto",
-            low_cpu_mem_usage=True,
-            cache_dir="/tmp/transformers_cache"
-        )
-        
-        print("✅ MedGemma-4B 模型載入成功！")
-        return pipe, "google/medgemma-4b-it"
-        
-    except Exception as e:
-        print(f"❌ MedGemma 載入失敗: {e}")
-        print("🔄 嘗試載入較小的替代模型...")
-        
-        try:
-            # 載入較小的醫療相關模型作為替代
-            pipe = pipeline(
-                "image-to-text",
-                model="Salesforce/blip-image-captioning-base",
-                cache_dir="/tmp/transformers_cache"
-            )
-            print("✅ 已載入 BLIP 模型作為替代")
-            return pipe, "Salesforce/blip-image-captioning-base"
-        except Exception as e2:
-            raise Exception(f"所有模型載入失敗: MedGemma({e}), BLIP({e2})")
+# 建立 pipeline
+pipe = pipeline("image-to-text", model="google/medgemma-4b-it")
 
+# 修正：支援 JPG 檔案上傳
 def load_image_from_input(image_input):
-    """處理圖片輸入：PIL Image、檔案路徑或 URL"""
-    try:
-        # JPG 檔案上傳（Gradio 返回 PIL Image）
-        if isinstance(image_input, Image.Image):
-            return image_input
-        
-        # URL 輸入
-        elif isinstance(image_input, str):
-            if image_input.startswith(("http://", "https://")):
-                print(f"📥 正在下載圖片: {image_input[:50]}...")
-                response = requests.get(image_input, timeout=10)
-                response.raise_for_status()
-                image = Image.open(BytesIO(response.content))
-                print("✅ 圖片下載成功")
-                return image
-            else:
-                # 檔案路徑
-                return Image.open(image_input)
-        else:
-            return Image.open(image_input)
-            
-    except Exception as e:
-        raise Exception(f"無法載入圖片: {e}")
-
-def predict(image_input, question, url_input):
-    """主要預測函數"""
-    try:
-        # 確定圖片來源（優先使用上傳的圖片）
-        if image_input is not None:
-            image_source = image_input
-            source_type = "上傳檔案"
-        elif url_input and url_input.strip():
-            image_source = url_input.strip()
-            source_type = "URL"
-        else:
-            return "❌ 請上傳圖片或輸入圖片 URL"
-        
-        print(f"📷 處理圖片來源: {source_type}")
-        
-        # 載入圖片
-        image = load_image_from_input(image_source)
-        
-        # 圖片預處理
-        original_size = image.size
-        if image.mode != 'RGB':
-            image = image.convert('RGB')
-            print(f"🔄 轉換圖片格式: {image.mode}")
-        
-        # 調整圖片大小以節省記憶體（保持品質）
-        max_size = 768  # MedGemma 建議大小
-        if max(image.size) > max_size:
-            ratio = max_size / max(image.size)
-            new_size = tuple(int(dim * ratio) for dim in image.size)
-            image = image.resize(new_size, Image.Resampling.LANCZOS)
-            print(f"📐 調整圖片大小: {original_size} → {image.size}")
-        
-        # 處理問題輸入
-        if not question or not question.strip():
-            question = "請詳細分析這張醫療影像，描述你看��的重要特徵、可能的病理變化，以及任何需要注意的異常。"
-        
-        question = question.strip()
-        print(f"❓ 醫療問題: {question[:100]}...")
-        
-        # 根據模型類型選擇輸入格式
-        global model_name
-        if "medgemma" in model_name.lower():
-            # MedGemma 使用對話格式
-            messages = [
-                {
-                    "role": "user",
-                    "content": [
-                        {"type": "image", "image": image},
-                        {"type": "text", "text": question}
-                    ]
-                }
-            ]
-            print("🔬 使用 MedGemma 專業醫療分析模式")
-            result = pipe(messages)
-        else:
-            # 其他模型直接使用圖片
-            print("🔍 使用通用圖片描述模式")
-            result = pipe(image)
-        
-        # 清理記憶體
-        clear_memory()
-        
-        # 解析結果
-        if isinstance(result, list) and len(result) > 0:
-            if isinstance(result[0], dict):
-                generated_text = result[0].get('generated_text', str(result[0]))
-            else:
-                generated_text = str(result[0])
-        else:
-            generated_text = str(result)
-        
-        # 添加分析資訊
-        analysis_info = f"""
-🏥 **醫療影像分析結果**
-
-📊 **圖片資訊:**
-- 原始尺寸: {original_size}
-- 處理尺寸: {image.size}
-- 來源: {source_type}
-
-🤖 **使用模型:** {model_name}
-
-🔬 **分析結果:**
-{generated_text}
-
----
-⚠️ **重要提醒:** 此分析僅供參考，不能替代專業醫療診斷。如有疑慮請諮詢專業醫師。
-"""
-        
-        return analysis_info
-        
-    except Exception as e:
-        clear_memory()
-        error_msg = f"❌ 處理錯誤: {str(e)}"
-        print(error_msg)
-        return error_msg
-
-# 載入模型
-try:
-    pipe, model_name = load_medgemma_model()
-    model_status = f"✅ {model_name} 已準備就緒"
-except Exception as e:
-    model_status = f"❌ 模型載入失敗: {e}"
-    pipe = None
-    model_name = "未載入"
-
-# 創建 Gradio 介面
-def create_interface():
-    with gr.Blocks(
-        title="MedGemma 醫療影像分析系統",
-        theme=gr.themes.Soft(),
-        css=".gradio-container {max-width: 1200px; margin: auto;}"
-    ) as demo:
-        
-        gr.Markdown(f"""
-# 🏥 MedGemma 醫療影像分析系統
-        
-**模型狀態:** {model_status}  
-**更新時間:** {datetime.now().strftime("%Y-%m-%d %H:%M:%S")}
-        
-上傳醫療影像（JPG/PNG）或輸入圖片 URL，獲得專業的 AI 醫療影像分析。
-        """)
-        
-        with gr.Row():
-            with gr.Column(scale=1):
-                # 圖片上傳
-                image_input = gr.Image(
-                    label="📤 上傳醫療影像",
-                    type="pil",
-                    file_types=["jpg", "jpeg", "png"],
-                    height=300
-                )
-                
-                # URL 輸入
-                url_input = gr.Textbox(
-                    label="🔗 或輸入圖片 URL",
-                    placeholder="https://example.com/medical-image.jpg",
-                    lines=1
-                )
-                
-                # 問題輸入
-                question_input = gr.Textbox(
-                    label="❓ 醫療問題或分析要求",
-                    placeholder="請分析這張X光片中的異常...",
-                    lines=3,
-                    value="請詳細分析這張醫療影像，包括任何可見的異常或重要特徵。"
-                )
-                
-                # 分析按鈕
-                analyze_btn = gr.Button(
-                    "🔬 開始分析", 
-                    variant="primary",
-                    size="lg"
-                )
-                
-                # 清理按鈕
-                clear_btn = gr.Button("🧹 清理", variant="secondary")
-            
-            with gr.Column(scale=2):
-                # 分析結果
-                output = gr.Textbox(
-                    label="📋 分析結果",
-                    lines=20,
-                    interactive=False,
-                    show_copy_button=True
-                )
-        
-        # 使用說明
-        with gr.Accordion("📖 使用說明", open=False):
-            gr.Markdown("""
-### 如何使用:
-1. **上傳圖片**: 點擊上傳區域選擇 JPG/PNG 醫療影像
-2. **或使用 URL**: 在 URL 欄位貼上圖片連結
-3. **輸入問題**: 描述你想了解的醫療問題
-4. **開始分析**: 點擊分析按鈕獲得結果
-
-### 支援的影像類型:
-- X光片 (X-ray)
-- CT 掃描 (CT Scan) 
-- MRI 影像 (MRI)
-- 超音波影像 (Ultrasound)
-- 病理切片 (Pathology)
-
-### 重要提醒:
-⚠️ 此 AI 分析僅供參考學習，不可作為醫療診斷依據
-⚠️ 如有健康疑慮，請務必諮詢專業醫師
-            """)
-        
-        # 事件綁定
-        analyze_btn.click(
-            fn=predict,
-            inputs=[image_input, question_input, url_input],
-            outputs=output
-        )
-        
-        clear_btn.click(
-            fn=lambda: ("", "", ""),
-            outputs=[image_input, url_input, output]
-        )
-        
-        # 圖片上傳時自動分析
-        image_input.change(
-            fn=lambda img, q, url: predict(img, q, url) if img is not None else "",
-            inputs=[image_input, question_input, url_input],
-            outputs=output
-        )
-    
-    return demo
-
-# 啟動應用
-if __name__ == "__main__":
-    if pipe is None:
-        print("❌ 無法啟動：模型載入失敗")
-        exit(1)
-    
-    print("🚀 啟動 MedGemma 醫療影像分析系統...")
-    
-    # 檢查最終狀態
-    free_gb, used_percent = check_storage()
-    print(f"💾 當前存儲狀態: {free_gb:.1f}GB 可用, {used_percent:.1f}% 已使用")
+    # URL 情況
+    if isinstance(image_input, str) and (image_input.startswith("http://") or image_input.startswith("https://")):
+        try:
+            response = requests.get(image_input)
+            img = Image.open(BytesIO(response.content))
+            return img
+        except Exception as e:
+            raise gr.Error(f"無法從 URL 下載圖片: {e}")
+    else:
+        # JPG 檔案上傳情況 - 這裡就是關鍵修正
+        return Image.open(image_input)
+
+# 包裝成 API 函數
+def predict(image_input, question):
+    image = load_image_from_input(image_input)
     
-    demo = create_interface()
-    demo.launch(
-        server_name="0.0.0.0",
-        server_port=7860,
-        debug=False,
-        show_error=True,
-        share=False
-    )
+    # 將輸入轉換為模型所需的 messages 格式
+    messages = [
+        {
+            "role": "user",
+            "content": [
+                {"type": "image", "image": image},  # 修正：改為 "image"
+                {"type": "text", "text": question}
+            ]
+        },
+    ]
+    result = pipe(messages)
+    return result[0]["generated_text"]
+
+# Gradio 介面
+iface = gr.Interface(
+    fn=predict,
+    inputs=[
+        gr.Image(type="filepath", file_types=[".jpg", ".jpeg", ".png"]),  # 修正：加上檔案類型限制
+        "text"
+    ],
+    outputs="text",
+    title="MedGemma API + Demo",
+    description="上傳 JPG 圖片或輸入圖片 URL，以 API 或 UI 測試 MedGemma。"
+)
+
+# 啟動應用程式
+if __name__ == "__main__":  # 修正：語法錯誤
+    iface.launch()