Update app.py

app.py

@@ -1,37 +1,57 @@
 import gradio as gr
 import torch
 import numpy as np
-from chronos import ChronosPipeline
-
-# --- MODELİ YÜKLE (AMAZON CHRONOS-2) ---
-# Free Tier (CPU) için optimize ayarlar
-print("🚀 Chronos-2 Modeli Yükleniyor...")
+import os
 
+# Kütüphane kontrolü ve yükleme
 try:
-    pipeline = ChronosPipeline.from_pretrained(
-        "amazon/chronos-2",
-        device_map="cpu",
-        # DÜZELTME: 'torch_dtype' yerine 'dtype' kullanıyoruz
-        dtype=torch.float32,
-    )
-    print("✅ Model Başarıyla Yüklendi!")
-except Exception as e:
-    print(f"❌ Model Yükleme Hatası: {e}")
-    pipeline = None
+    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):
     """
-    Girdi: "fiyat1,fiyat2|hacim1,hacim2|rsi1,rsi2..." formatında string
-    Çıktı: Gelecek fiyat tahmini (String)
+    Tahmin Fonksiyonu
     """
+    # 1. Model Yüklü mü Kontrol Et
     if pipeline is None:
-        return "Error: Model yüklenemedi. Logları kontrol edin."
+        # Hatanın DETAYINI döndür ki görelim
+        return f"Error: {MODEL_LOAD_ERROR}"
 
     try:
-        # 1. Veriyi Parçala (| işaretinden ayır)
+        # 2. Veriyi Hazırla
         series_strings = context_str.split('|')
-        
         tensor_list = []
+        
         for s in series_strings:
             clean_s = s.strip()
             if not clean_s: continue
@@ -41,15 +61,14 @@ def predict(context_str, prediction_length):
         if not tensor_list:
             return "Error: Veri boş."
 
-        # 2. Tensor Oluştur (1, Değişken_Sayısı, Zaman)
+        # 3. Tensor Oluştur
         context_tensor = torch.tensor(tensor_list).unsqueeze(0)
         
-        # 3. Tahmin Yap
+        # 4. Tahmin Yap
         forecast = pipeline.predict(context_tensor, int(prediction_length))
         
-        # 4. Sonucu Al (Medyan)
+        # 5. Sonuç
         future_price = forecast[0].quantile(0.5).item()
-        
         return str(future_price)
 
     except Exception as e: