Update model.py

model.py

@@ -10,22 +10,13 @@ from thop import profile
 from transformers import T5ForConditionalGeneration, T5Tokenizer
 from huggingface_hub import hf_hub_download, snapshot_download
 
-# ------------------------------------------------------------
-# 1) MODEL HUB PATHS
-# ------------------------------------------------------------
-# CNN modellerinin bulunduğu repo:
 CLASSIFICATION_MODEL_REPO = "Neurazum/Vbai-DPA-2.3"
 CLASSIFICATION_MODEL_FILENAME_F = "Vbai-DPA 2.3f.pt"
 CLASSIFICATION_MODEL_FILENAME_C = "Vbai-DPA 2.3c.pt"
 CLASSIFICATION_MODEL_FILENAME_Q = "Vbai-DPA 2.3q.pt"
 
-# T5 modelinin bulunduğu repo (içinde “Tbai-DPA 1.0/model/…” ağaç yapısı var):
 T5_MODEL_REPO = "Neurazum/Tbai-DPA-1.0"
-# ------------------------------------------------------------
 
-# ------------------------------------------------------------
-# 2) SIMPLECNN TANIMI
-# ------------------------------------------------------------
 class SimpleCNN(nn.Module):
     def __init__(self, model_type="f", num_classes=6):
         super(SimpleCNN, self).__init__()
@@ -65,14 +56,7 @@ class SimpleCNN(nn.Module):
         x = self.fc2(x)
         return x
 
-# ------------------------------------------------------------
-# 3) MODEL YÜKLEME FONKSİYONLARI
-# ------------------------------------------------------------
 def load_classification_model(device, model_type="f", num_classes=6):
-    """
-    model_type: "f", "c" veya "q"
-    Vbai-DPA-2.3 repo’sundan ilgili .pt dosyasını indirip SimpleCNN yapısına yükler.
-    """
     if model_type == "f":
         filename = CLASSIFICATION_MODEL_FILENAME_F
     elif model_type == "c":
@@ -100,19 +84,12 @@ def load_classification_model(device, model_type="f", num_classes=6):
 
 
 def load_t5_model(device):
-    """
-    Tbai-DPA-1-0 repo’sunu indirir (snapshot_download).
-    İndirilen tüm ağacı tarar, içinde “[.]model” uzantılı dosya barındıran
-    ilk dizini bulur. O dizin, T5 tokenizer/model için kullanılır.
-    """
     local_dir = snapshot_download(repo_id=T5_MODEL_REPO)
 
-    # 1) “local_dir” içinde recursive olarak .model uzantılı bir dosya arayalım
     t5_path = None
     for root, dirs, files in os.walk(local_dir):
         for fname in files:
             if fname.endswith(".model"):
-                # bulunduğu klasörü t5_path olarak al
                 t5_path = root
                 break
         if t5_path:
@@ -121,7 +98,6 @@ def load_t5_model(device):
     if t5_path is None:
         raise FileNotFoundError(f"Hiçbir '.model' dosyası bulunamadı: {local_dir} içinde.")
 
-    # 2) Bulunan klasörü, T5Tokenizer ve T5ForConditionalGeneration için kullan
     tokenizer = T5Tokenizer.from_pretrained(
         t5_path,
         local_files_only=True
@@ -133,9 +109,6 @@ def load_t5_model(device):
     model.eval()
     return tokenizer, model
 
-# ------------------------------------------------------------
-# 4) GÖRÜNTÜ → TAHMİN ve YORUM İŞLEME FONKSİYONLARI
-# ------------------------------------------------------------
 transform = transforms.Compose([
     transforms.Resize((224, 224)),
     transforms.ToTensor(),