Update app.py

app.py

@@ -9,14 +9,15 @@ import gradio as gr
 # ==========================================
 # 1. CONFIGURATION CHIRURGICALE
 # ==========================================
-DEVICE = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+DEVICE = torch.device("cpu") # Forcé sur CPU pour un Space CPU standard
 MODEL_INPUT_SIZE = 224 # Taille obligatoire pour le Vision Transformer (ViT)
-REPO_ID = "KTXStudio/MinecraftSkinImg-To-Img"      # Exemple de nom de repo
+REPO_ID = "KTXStudio/MinecraftSkinImg-To-Img"
 FILENAME = "vit_minecraft_core.pth"
-DEVICE = torch.device("cpu")
 SKIN_SIZE = 128       # Taille cible HD du skin Minecraft
-MODEL_PATH = "vit_minecraft_core.pth"
-model_weights_path = hf_hub_download(repo_id=REPO_ID, filename=FILENAME)
+
+# Téléchargement automatique depuis Hugging Face Hub au démarrage
+print("⏳ Téléchargement des poids depuis le Hub...")
+MODEL_PATH = hf_hub_download(repo_id=REPO_ID, filename=FILENAME)
 
 # ==========================================
 # 2. ARCHITECTURE EXACTE : VISION TRANSFORMER
@@ -24,8 +25,8 @@ model_weights_path = hf_hub_download(repo_id=REPO_ID, filename=FILENAME)
 class ViTSkinGenerator(nn.Module):
     def __init__(self):
         super().__init__()
-        # On déclare l'architecture (pretrained=False car on charge vos propres poids)
-        vit = models.vit_b_16(pretrained=False)
+        # weights=None remplace pretrained=False dans les versions récentes de torchvision
+        vit = models.vit_b_16(weights=None)
         self.transformer_core = vit
         num_features = vit.heads.head.in_features
         
@@ -49,11 +50,8 @@ class ViTSkinGenerator(nn.Module):
 # 3. CHARGEMENT DE VOS POIDS AU LANCEMENT
 # ==========================================
 model = ViTSkinGenerator().to(DEVICE)
-if os.path.exists(MODEL_PATH):
-    print(f"💾 Chargement des poids depuis {MODEL_PATH}...")
-    model.load_state_dict(torch.load(MODEL_PATH, map_location=DEVICE))
-else:
-    print(f"⚠️ Attention : Fichier '{MODEL_PATH}' introuvable à la racine.")
+print(f"💾 Chargement des poids depuis le cache local : {MODEL_PATH}...")
+model.load_state_dict(torch.load(MODEL_PATH, map_location=DEVICE))
 model.eval()
 
 # ==========================================
@@ -79,7 +77,7 @@ def predict_skin(input_image):
     # 3. Post-traitement strict Pixel Art (NEAREST pour éviter le flou baveux)
     tensor_out = torch.clamp(tensor_out, 0, 1)
     skin_pil = transforms.ToPILImage()(tensor_out)
-    skin_final = skin_pil.resize((SKIN_SIZE, SKIN_SIZE), Image.NEAREST)
+    skin_final = skin_pil.resize((SKIN_SIZE, SKIN_SIZE), Image.Resampling.NEAREST)
     
     return skin_final