first commit

app.py

@@ -1,13 +1,31 @@
 import gradio as gr
-from transformers import AutoModel
 import torch
 from PIL import Image
 import numpy as np
 import matplotlib.pyplot as plt
+import requests
+import os
 
-# Carregar modelo Surya
-model_name = "nasa-ibm-ai4science/Surya-1.0"
-model = AutoModel.from_pretrained(model_name)
+# URLs dos arquivos do modelo
+MODEL_URL = "https://huggingface.co/nasa-ibm-ai4science/Surya-1.0/resolve/main/surya.366m.v1.pt"
+
+# Nome local do arquivo
+MODEL_FILE = "surya.366m.v1.pt"
+
+# Função para baixar o modelo se não existir
+def download_model():
+    if not os.path.exists(MODEL_FILE):
+        print("Baixando pesos do Surya-1.0...")
+        r = requests.get(MODEL_URL)
+        with open(MODEL_FILE, "wb") as f:
+            f.write(r.content)
+        print("Download concluído!")
+
+# Baixar modelo
+download_model()
+
+# Carregar modelo PyTorch
+model = torch.load(MODEL_FILE)
 model.eval()
 
 # Função para gerar heatmap
@@ -19,19 +37,15 @@ def infer_solar_image_heatmap(img):
     with torch.no_grad():
         outputs = model(img_tensor)
     
-    # Pegar os primeiros canais e reshapar para visualização
-    emb = outputs[0].squeeze().numpy()
+    # Criar heatmap
+    emb = outputs.squeeze().numpy()
     heatmap = emb - emb.min()
     heatmap /= heatmap.max() + 1e-8  # normalização 0-1
 
-    # Criar figura
     plt.imshow(heatmap, cmap='hot')
     plt.axis('off')
     plt.tight_layout()
-    
-    # Salvar figura em buffer
-    fig = plt.gcf()
-    return fig
+    return plt.gcf()
 
 # Interface Gradio
 interface = gr.Interface(

requirements.txt

@@ -1,6 +1,6 @@
 torch
-transformers
 pillow
 numpy
 matplotlib
 gradio
+requests