Update app.py

app.py

@@ -8,8 +8,9 @@ import numpy as np
 config = TimeSeriesTransformerConfig.from_pretrained("google/timesfm-2.0-500m-pytorch")
 config.prediction_length = 3
 config.context_length = 12
+config.lags_sequence = [1, 2, 3, 4, 5, 6]  # Ajuste os lags para serem menores que context_length
 
-# Carregar modelo
+# Carregar modelo com a configuração ajustada
 model = TimeSeriesTransformerForPrediction.from_pretrained(
     "google/timesfm-2.0-500m-pytorch",
     config=config,
@@ -25,9 +26,9 @@ def prever_vendas(historico):
     # Formatar dados
     inputs = torch.tensor(historico).unsqueeze(0)
     
-    # Adicionar parâmetros ausentes (valores dummy para exemplo)
-    past_time_features = torch.zeros(1, config.context_length, 1)  # Ex: timestamps normalizados
-    past_observed_mask = torch.ones(1, config.context_length)      # Todos os dados observados
+    # Adicionar parâmetros necessários
+    past_time_features = torch.zeros(1, config.context_length, 1)  # Características temporais dummy
+    past_observed_mask = torch.ones(1, config.context_length)      # Dados observados
     
     # Gerar previsão
     with torch.no_grad():
@@ -48,7 +49,7 @@ iface = gr.Interface(
     examples=[
         ["140,155,160,145,150,165,170,160,175,160,155,170"],  # 12 meses
     ],
-    cache_examples=False  # Desativar cache para evitar erro de arquivo
+    cache_examples=False  # Desativar cache para evitar erros
 )
 
 iface.launch()