Update app.py

app.py

@@ -4,29 +4,21 @@ import mlflow
 import mlflow.pyfunc
 import logging
 import os
-from fastapi import FastAPI, HTTPException
+from fastapi import FastAPI, HTTPException, File, UploadFile
 from pydantic import BaseModel
 from contextlib import asynccontextmanager
+import joblib
+import traceback 
 
 # --- Configuration ---
+app = FastAPI()
 
-import os
-import mlflow
-
-# Définir la variable d'environnement
-os.environ["APP_URI"] = "https://ericjedha-getaround.hf.space"
-
-# Vérifier la valeur de la variable d'environnement
-print("APP_URI:", os.environ["APP_URI"])
 
-# Définir l'URI de suivi MLflow
-mlflow.set_tracking_uri(os.environ["APP_URI"])
 
-# Vérifier l'URI de suivi MLflow
-print("MLflow Tracking URI:", mlflow.get_tracking_uri())
 
 # Charger le modèle
 logged_model = 'runs:/f7019001dcb440f9b4a739550c670dba/best_estimator'
+
 try:
     loaded_model = mlflow.pyfunc.load_model(logged_model)
     if loaded_model:
@@ -118,7 +110,7 @@ async def predict(item: Item):
         logger.info(f"Données reçues pour la prédiction : \n{car_df.to_string()}")
 
         # Utiliser le modèle déjà en mémoire pour faire la prédiction
-        prediction = ml_models['getaround_predictor'].predict(car_df)
+        prediction = loaded_model.predict(car_df)
         
         # Formater la réponse
         # `.tolist()[0]` est une bonne pratique pour extraire la première valeur d'un array numpy