Update app.py

app.py

@@ -1,122 +1,81 @@
-# app.py (v3.0 - 최종 버전)
+# app.py (v4.0 - 최종 버전)
 import gradio as gr
 import subprocess
 import json
 import os
-import pandas as pd
 
-# 공통 설정
 STATIONS = [
     "DT_0001", "DT_0065", "DT_0008", "DT_0067", "DT_0043", "DT_0002", 
     "DT_0050", "DT_0017", "DT_0052", "DT_0025", "DT_0051", "DT_0037", 
     "DT_0024", "DT_0018", "DT_0068", "DT_0003", "DT_0066"
 ]
-# 지원하는 관측소 목록
 
 def get_common_args(station_id):
-    """관측소별 공통 인자를 반환하는 함수"""
-    # 이 부분은 inference.py의 기본값과 일치하거나, .sh 파일의 설정을 따릅니다.
-    return [
-        "--model", "TimeXer",
-        "--features", "MS",
-        "--seq_len", "144",
-        "--pred_len", "72",
-        "--label_len", "96",
-        "--enc_in", "5",
-        "--dec_in", "5",
-        "--c_out", "1",
-        "--d_model", "256",
-        "--d_ff", "512",
-        "--n_heads", "8",
-        "--e_layers", "1",
-        "--d_layers", "1",
-        "--factor", "3",
-        "--patch_len", "16",
-        "--expand", "2",
-        "--d_conv", "4",
-    ]
+    # ... (이전과 동일) ...
 
 def execute_inference(command):
-    """subprocess를 실행하고 결과를 처리하는 공통 함수"""
-    try:
-        print(f"Running command: {' '.join(command)}")
-        # 스크립트 실행
-        result = subprocess.run(command, capture_output=True, text=True, check=True)
-        # 스크립트의 표준 출력(stdout)을 그대로 반환 (디버깅용)
-        # stderr에 담긴 진행 과정 로그도 함께 보여주면 좋습니다.
-        output = f"--- STDOUT ---\n{result.stdout}\n\n--- STDERR ---\n{result.stderr}"
-        return output
-    except subprocess.CalledProcessError as e:
-        # 스크립트 실행 중 오류 발생 시
-        error_message = f"스크립트 실행 실패:\n--- STDERR ---\n{e.stderr}"
-        raise gr.Error(error_message)
-    except Exception as e:
-        raise gr.Error(f"알 수 없는 오류 발생: {str(e)}")
+    # ... (이전과 동일) ...
 
 # --- 모드 1: 단일 미래 예측 ---
 def single_prediction(station_id, input_csv_file):
     if input_csv_file is None:
         raise gr.Error("예측을 위한 입력 파일을 업로드해주세요.")
     
-    # 공통 인자 가져오기
     common_args = get_common_args(station_id)
-    
-    # 모델 및 스케일러 경로 설정
-    checkpoint_path = f"./checkpoints/long_term_forecast_{station_id}_144_72_TimeXer_TIDE_ftMS_sl144_ll96_pl72_dm256_nh8_el1_dl1_df512_expand2_dc4_fc3_ebtimeF_dtTrue_Exp_0/checkpoint.pth"
-    scaler_path = f"./checkpoints/long_term_forecast_{station_id}_144_72_TimeXer_TIDE_ftMS_sl144_ll96_pl72_dm256_nh8_el1_dl1_df512_expand2_dc4_fc3_ebtimeF_dtTrue_Exp_0/scaler.gz"
+    checkpoint_path = f"./checkpoints/long_term_forecast_{station_id}_144_72_.../checkpoint.pth" # 이름이 길어서 생략
+    scaler_path = f"./checkpoints/long_term_forecast_{station_id}_144_72_.../scaler.gz"
 
-    # 실행할 명령어 조합
     command = [
         "python", "inference.py",
         "--checkpoint_path", checkpoint_path,
         "--scaler_path", scaler_path,
-        "--predict_input_file", input_csv_file.name, # 업로드된 파일의 경로
+        "--predict_input_file", input_csv_file.name,
     ] + common_args
     
     return execute_inference(command)
 
 # --- 모드 2: 전체 기간 롤링 평가 ---
-def rolling_evaluation(station_id):
-    # 공통 인자 가져오기
+def rolling_evaluation(station_id, eval_csv_file):
+    if eval_csv_file is None:
+        raise gr.Error("평가를 위한 입력 파일을 업로드해주세요.")
+
     common_args = get_common_args(station_id)
-    
-    # 모델, 스케일러, 평가 데이터 경로 설정
-    setting_name = f"long_term_forecast_{station_id}_144_72_TimeXer_TIDE_ftMS_sl144_ll96_pl72_dm256_nh8_el1_dl1_df512_expand2_dc4_fc3_ebtimeF_dtTrue_Exp_0"
-    checkpoint_path = f"./checkpoints/{setting_name}/checkpoint.pth"
-    scaler_path = f"./checkpoints/{setting_name}/scaler.gz"
-    evaluate_file_path = f"./dataset/{station_id}_final_training_data.csv"
+    checkpoint_path = f"./checkpoints/long_term_forecast_{station_id}_144_72_.../checkpoint.pth"
+    scaler_path = f"./checkpoints/long_term_forecast_{station_id}_144_72_.../scaler.gz"
 
-    # 실행할 명령어 조합
     command = [
         "python", "inference.py",
         "--checkpoint_path", checkpoint_path,
         "--scaler_path", scaler_path,
-        "--evaluate_file", evaluate_file_path,
+        "--evaluate_file", eval_csv_file.name,
     ] + common_args
     
     return execute_inference(command)
 
 
-# --- Gradio UI 구성 ---
+# --- Gradio UI 구성 (⭐️⭐️⭐️ 이 부분이 변경되었습니다 ⭐️⭐️⭐️) ---
 with gr.Blocks() as demo:
-    gr.Markdown("# 조위 예측 모델 v3.0")
+    gr.Markdown("# 조위 예측 모델 v4.0")
     
     with gr.Tabs():
         with gr.TabItem("단일 미래 예측"):
             with gr.Row():
                 station_dropdown1 = gr.Dropdown(choices=STATIONS, label="관측소 (Station ID)")
-                file_input = gr.File(label="입력 데이터 (.csv 파일)", file_types=[".csv"])
+                file_input1 = gr.File(label="입력 데이터 (.csv 파일)", file_types=[".csv"])
             submit_btn1 = gr.Button("예측 실행")
             output1 = gr.Textbox(label="실행 결과", lines=15)
             
         with gr.TabItem("전체 기간 롤링 평가"):
-            station_dropdown2 = gr.Dropdown(choices=STATIONS, label="관측소 (Station ID)")
+            with gr.Row():
+                station_dropdown2 = gr.Dropdown(choices=STATIONS, label="관측소 (Station ID)")
+                # ⭐️ '롤링 평가' 탭에도 파일 업로드 기능 추가
+                file_input2 = gr.File(label="평가용 전체 데이터 (.csv 파일)", file_types=[".csv"])
             submit_btn2 = gr.Button("평가 실행")
             output2 = gr.Textbox(label="실행 결과", lines=15)
 
-    # 버튼 클릭 이벤트 연결
-    submit_btn1.click(fn=single_prediction, inputs=[station_dropdown1, file_input], outputs=output1)
-    submit_btn2.click(fn=rolling_evaluation, inputs=station_dropdown2, outputs=output2)
+    # 버튼 클릭 이벤트 연결 (file_input2 추가)
+    submit_btn1.click(fn=single_prediction, inputs=[station_dropdown1, file_input1], outputs=output1)
+    submit_btn2.click(fn=rolling_evaluation, inputs=[station_dropdown2, file_input2], outputs=output2)
 
 if __name__ == "__main__":
     demo.launch()