Spaces:
Runtime error
Runtime error
Update app.py
Browse files
app.py
CHANGED
|
@@ -17,14 +17,28 @@ my_episodes = None
|
|
| 17 |
def load_and_prepare_dataset():
|
| 18 |
"""Загружает датасет с Hugging Face Hub и группирует по эпизодам."""
|
| 19 |
global my_episodes # Указываем, что будем изменять глобальную переменную
|
|
|
|
| 20 |
try:
|
| 21 |
# Загружаем ваш датасет. По умолчанию load_dataset должен получать последнюю версию.
|
|
|
|
| 22 |
dataset = load_dataset(DATASET_REPO_ID, split=DATASET_SPLIT)
|
| 23 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 24 |
# Группируем данные по эпизодам для удобства визуализации
|
| 25 |
episodes_data = {}
|
| 26 |
for i, row in enumerate(dataset):
|
| 27 |
-
episode_idx = row
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 28 |
if episode_idx not in episodes_data:
|
| 29 |
episodes_data[episode_idx] = []
|
| 30 |
episodes_data[episode_idx].append(row)
|
|
@@ -35,7 +49,7 @@ def load_and_prepare_dataset():
|
|
| 35 |
print(f"Dataset loaded and prepared. Number of episodes: {len(my_episodes)}")
|
| 36 |
return "Данные успешно загружены!", list(my_episodes.keys()) # Возвращаем сообщение и список эпизодов
|
| 37 |
except Exception as e:
|
| 38 |
-
error_msg = f"Ошибка при загрузке датасета: {e}"
|
| 39 |
print(error_msg)
|
| 40 |
my_episodes = error_msg # Сохраняем ошибку в глобальную переменную
|
| 41 |
return error_msg, [] # Возвращаем сообщение об ошибке и пустой список
|
|
@@ -56,15 +70,24 @@ def get_num_steps_in_episode(episode_idx):
|
|
| 56 |
|
| 57 |
def update_episode_info(episode_idx):
|
| 58 |
"""Обновляет информацию при выборе нового эпизода."""
|
|
|
|
| 59 |
if isinstance(my_episodes, str):
|
| 60 |
return my_episodes, 0, 0, "", None, "", "" # Возвращаем ошибку и пустые значения
|
| 61 |
|
| 62 |
-
|
| 63 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 64 |
|
| 65 |
num_steps = get_num_steps_in_episode(episode_idx)
|
| 66 |
-
|
| 67 |
-
|
|
|
|
| 68 |
|
| 69 |
# Сразу отображаем данные для первого шага выбранного эпизода
|
| 70 |
step_info, image, obs_text, action_text = display_step_data(episode_idx, 0)
|
|
@@ -74,11 +97,13 @@ def update_episode_info(episode_idx):
|
|
| 74 |
|
| 75 |
def display_step_data(episode_idx, step_idx):
|
| 76 |
"""Отображает данные для конкретного шага в эпизоде."""
|
|
|
|
| 77 |
if isinstance(my_episodes, str):
|
| 78 |
return my_episodes, None, "", ""
|
| 79 |
|
| 80 |
episode = my_episodes.get(episode_idx)
|
| 81 |
if not episode or not (0 <= step_idx < len(episode)):
|
|
|
|
| 82 |
return "Неверный эпизод или индекс шага.", None, "", ""
|
| 83 |
|
| 84 |
record = episode[step_idx]
|
|
@@ -89,15 +114,20 @@ def display_step_data(episode_idx, step_idx):
|
|
| 89 |
image_data = record["observation.camera_image_left"]
|
| 90 |
try:
|
| 91 |
# datasets.Image() автоматически декодирует изображение в PIL.Image
|
| 92 |
-
# Поэтому здесь мы просто используем его напрямую
|
| 93 |
if isinstance(image_data, PILImage.Image):
|
| 94 |
image_to_display = image_data
|
| 95 |
elif isinstance(image_data, np.ndarray): # Если вдруг это все еще numpy (например, при локальном тестировании без features)
|
|
|
|
|
|
|
|
|
|
|
|
|
| 96 |
image_to_display = PILImage.fromarray(image_data.astype(np.uint8))
|
| 97 |
else:
|
| 98 |
-
print(f"
|
| 99 |
except Exception as img_e:
|
| 100 |
-
print(f"
|
|
|
|
|
|
|
| 101 |
|
| 102 |
# --- Подготовка текстовых наблюдений ---
|
| 103 |
observation_text = ""
|
|
@@ -135,7 +165,7 @@ with gr.Blocks() as demo:
|
|
| 135 |
episode_selector = gr.Dropdown(
|
| 136 |
label="Выберите эпизод",
|
| 137 |
choices=[], # Будет заполнено динамически
|
| 138 |
-
value=None,
|
| 139 |
interactive=True
|
| 140 |
)
|
| 141 |
num_steps_in_episode_output = gr.Number(label="Всего шагов в эпизоде", value=0, precision=0, interactive=False)
|
|
@@ -163,11 +193,12 @@ with gr.Blocks() as demo:
|
|
| 163 |
|
| 164 |
# --- Логика взаимодействия ---
|
| 165 |
# При загрузке Space, загружаем данные и обновляем выпадающий список эпизодов
|
|
|
|
| 166 |
demo.load(
|
| 167 |
load_and_prepare_dataset,
|
| 168 |
inputs=None,
|
| 169 |
outputs=[refresh_status, episode_selector]
|
| 170 |
-
).then(
|
| 171 |
update_episode_info,
|
| 172 |
inputs=episode_selector,
|
| 173 |
outputs=[step_slider, num_steps_in_episode_output, step_slider, step_info_output, image_output, observation_output, action_output]
|
|
|
|
| 17 |
def load_and_prepare_dataset():
|
| 18 |
"""Загружает датасет с Hugging Face Hub и группирует по эпизодам."""
|
| 19 |
global my_episodes # Указываем, что будем изменять глобальную переменную
|
| 20 |
+
print("Attempting to load dataset...") # Логирование для отладки
|
| 21 |
try:
|
| 22 |
# Загружаем ваш датасет. По умолчанию load_dataset должен получать последнюю версию.
|
| 23 |
+
# force_download=True может быть полезно для отладки кэширования, но используйте осторожно.
|
| 24 |
dataset = load_dataset(DATASET_REPO_ID, split=DATASET_SPLIT)
|
| 25 |
|
| 26 |
+
# Проверяем, что датасет не пустой
|
| 27 |
+
if len(dataset) == 0:
|
| 28 |
+
error_msg = "Датасет пуст. Нет данных для отображения."
|
| 29 |
+
print(error_msg)
|
| 30 |
+
my_episodes = error_msg
|
| 31 |
+
return error_msg, []
|
| 32 |
+
|
| 33 |
# Группируем данные по эпизодам для удобства визуализации
|
| 34 |
episodes_data = {}
|
| 35 |
for i, row in enumerate(dataset):
|
| 36 |
+
episode_idx = row.get("episode_index") # Используем .get() для безопасности
|
| 37 |
+
if episode_idx is None: # Если episode_index отсутствует, присваиваем 0
|
| 38 |
+
episode_idx = 0
|
| 39 |
+
row["episode_index"] = 0 # Добавляем для консистентности
|
| 40 |
+
print(f"Warning: 'episode_index' not found for row {i}, defaulting to 0.")
|
| 41 |
+
|
| 42 |
if episode_idx not in episodes_data:
|
| 43 |
episodes_data[episode_idx] = []
|
| 44 |
episodes_data[episode_idx].append(row)
|
|
|
|
| 49 |
print(f"Dataset loaded and prepared. Number of episodes: {len(my_episodes)}")
|
| 50 |
return "Данные успешно загружены!", list(my_episodes.keys()) # Возвращаем сообщение и список эпизодов
|
| 51 |
except Exception as e:
|
| 52 |
+
error_msg = f"Ошибка при загрузке или обработке датасета: {e}"
|
| 53 |
print(error_msg)
|
| 54 |
my_episodes = error_msg # Сохраняем ошибку в глобальную переменную
|
| 55 |
return error_msg, [] # Возвращаем сообщение об ошибке и пустой список
|
|
|
|
| 70 |
|
| 71 |
def update_episode_info(episode_idx):
|
| 72 |
"""Обновляет информацию при выборе нового эпизода."""
|
| 73 |
+
print(f"update_episode_info called with episode_idx: {episode_idx}") # Логирование
|
| 74 |
if isinstance(my_episodes, str):
|
| 75 |
return my_episodes, 0, 0, "", None, "", "" # Возвращаем ошибку и пустые значения
|
| 76 |
|
| 77 |
+
# Если episode_idx не выбран (например, при первом запуске) или список пуст
|
| 78 |
+
if episode_idx is None:
|
| 79 |
+
if my_episodes:
|
| 80 |
+
episode_idx = list(my_episodes.keys())[0] # Выбираем первый доступный эпизод
|
| 81 |
+
print(f"Defaulting to first episode: {episode_idx}")
|
| 82 |
+
else:
|
| 83 |
+
print("No episodes available to select.")
|
| 84 |
+
return gr.update(choices=[], value=None), 0, 0, "Нет доступных данных.", None, "", ""
|
| 85 |
+
|
| 86 |
|
| 87 |
num_steps = get_num_steps_in_episode(episode_idx)
|
| 88 |
+
|
| 89 |
+
# Обновляем слайдер шагов и сбрасываем значение на 0
|
| 90 |
+
step_slider_update = gr.update(minimum=0, maximum=max(0, num_steps - 1), value=0)
|
| 91 |
|
| 92 |
# Сразу отображаем данные для первого шага выбранного эпизода
|
| 93 |
step_info, image, obs_text, action_text = display_step_data(episode_idx, 0)
|
|
|
|
| 97 |
|
| 98 |
def display_step_data(episode_idx, step_idx):
|
| 99 |
"""Отображает данные для конкретного шага в эпизоде."""
|
| 100 |
+
print(f"display_step_data called with episode_idx: {episode_idx}, step_idx: {step_idx}") # Логирование
|
| 101 |
if isinstance(my_episodes, str):
|
| 102 |
return my_episodes, None, "", ""
|
| 103 |
|
| 104 |
episode = my_episodes.get(episode_idx)
|
| 105 |
if not episode or not (0 <= step_idx < len(episode)):
|
| 106 |
+
print(f"Error: Invalid episode_idx ({episode_idx}) or step_idx ({step_idx}). Episode length: {len(episode) if episode else 0}")
|
| 107 |
return "Неверный эпизод или индекс шага.", None, "", ""
|
| 108 |
|
| 109 |
record = episode[step_idx]
|
|
|
|
| 114 |
image_data = record["observation.camera_image_left"]
|
| 115 |
try:
|
| 116 |
# datasets.Image() автоматически декодирует изображение в PIL.Image
|
|
|
|
| 117 |
if isinstance(image_data, PILImage.Image):
|
| 118 |
image_to_display = image_data
|
| 119 |
elif isinstance(image_data, np.ndarray): # Если вдруг это все еще numpy (например, при локальном тестировании без features)
|
| 120 |
+
# Убедитесь, что массив имеет правильный тип данных (uint8) и форму (H, W, C)
|
| 121 |
+
# Если изображение в оттенках серого (H, W), нужно добавить канал
|
| 122 |
+
if image_data.ndim == 2:
|
| 123 |
+
image_data = np.stack([image_data]*3, axis=-1) # Преобразуем в RGB
|
| 124 |
image_to_display = PILImage.fromarray(image_data.astype(np.uint8))
|
| 125 |
else:
|
| 126 |
+
print(f"Warning: Unknown image format (type: {type(image_data)}). Could not display.")
|
| 127 |
except Exception as img_e:
|
| 128 |
+
print(f"Error processing image: {img_e}")
|
| 129 |
+
else:
|
| 130 |
+
print("Image 'observation.camera_image_left' not found or is None.")
|
| 131 |
|
| 132 |
# --- Подготовка текстовых наблюдений ---
|
| 133 |
observation_text = ""
|
|
|
|
| 165 |
episode_selector = gr.Dropdown(
|
| 166 |
label="Выберите эпизод",
|
| 167 |
choices=[], # Будет заполнено динамически
|
| 168 |
+
value=None, # Изначально нет выбранного значения
|
| 169 |
interactive=True
|
| 170 |
)
|
| 171 |
num_steps_in_episode_output = gr.Number(label="Всего шагов в эпизоде", value=0, precision=0, interactive=False)
|
|
|
|
| 193 |
|
| 194 |
# --- Логика взаимодействия ---
|
| 195 |
# При загрузке Space, загружаем данные и обновляем выпадающий список эпизодов
|
| 196 |
+
# Затем, после загрузки данных, автоматически выбираем первый эпизод и обновляем UI
|
| 197 |
demo.load(
|
| 198 |
load_and_prepare_dataset,
|
| 199 |
inputs=None,
|
| 200 |
outputs=[refresh_status, episode_selector]
|
| 201 |
+
).then(
|
| 202 |
update_episode_info,
|
| 203 |
inputs=episode_selector,
|
| 204 |
outputs=[step_slider, num_steps_in_episode_output, step_slider, step_info_output, image_output, observation_output, action_output]
|