app.py

import gradio as gr
import torch
import numpy as np
import os

# Kütüphane kontrolü ve yükleme
try:
    from chronos import ChronosPipeline
    LIB_AVAILABLE = True
except ImportError as e:
    LIB_ERROR = str(e)
    LIB_AVAILABLE = False

# Global Değişkenler
pipeline = None
MODEL_LOAD_ERROR = None

def load_model():
    global pipeline, MODEL_LOAD_ERROR
    
    if not LIB_AVAILABLE:
        MODEL_LOAD_ERROR = f"Kütüphane Hatası: {LIB_ERROR}"
        return

    try:
        print("🚀 Chronos-2 Modeli Yükleniyor...")
        # Free Tier (CPU) için optimize ayarlar
        pipeline = ChronosPipeline.from_pretrained(
            "amazon/chronos-2",
            device_map="cpu",
            dtype=torch.float32,
        )
        print("✅ Model Başarıyla Yüklendi!")
    except Exception as e:
        print(f"❌ Model Yükleme Hatası: {e}")
        MODEL_LOAD_ERROR = str(e)

# Başlangıçta yüklemeyi dene
load_model()

def predict(context_str, prediction_length):
    """
    Tahmin Fonksiyonu
    """
    # 1. Model Yüklü mü Kontrol Et
    if pipeline is None:
        # Hatanın DETAYINI döndür ki görelim
        return f"Error: {MODEL_LOAD_ERROR}"

    try:
        # 2. Veriyi Hazırla
        series_strings = context_str.split('|')
        tensor_list = []
        
        for s in series_strings:
            clean_s = s.strip()
            if not clean_s: continue
            data_list = [float(x) for x in clean_s.split(',')]
            tensor_list.append(data_list)
        
        if not tensor_list:
            return "Error: Veri boş."

        # 3. Tensor Oluştur
        context_tensor = torch.tensor(tensor_list).unsqueeze(0)
        
        # 4. Tahmin Yap
        forecast = pipeline.predict(context_tensor, int(prediction_length))
        
        # 5. Sonuç
        future_price = forecast[0].quantile(0.5).item()
        return str(future_price)

    except Exception as e:
        return f"Error: {str(e)}"

# Arayüzü Başlat
iface = gr.Interface(fn=predict, inputs=["text", "number"], outputs="text")
iface.launch()