Update app.py

app.py

@@ -18,7 +18,7 @@ def medir_tiempo(func):
         return resultado
     return wrapper
 
-# Verificar si CUDA está disponible para el modelo principal
+# Configurar el dispositivo
 device = 0 if torch.cuda.is_available() else -1
 if device == -1:
     print("Advertencia: CUDA no está disponible. Se usará la CPU, lo que puede ser lento.")
@@ -51,7 +51,11 @@ def predecir_fill_mask(secuencias):
                 continue
 
             # Realizar la predicción de Fill-Mask
-            predictions = fill_mask(seq)
+            try:
+                predictions = fill_mask(seq)
+            except Exception as e:
+                resultados.append(f"Error al predecir para la secuencia: {seq}\n{e}")
+                continue
 
             # Formatear las predicciones
             pred_str = ""
@@ -69,8 +73,8 @@ def predecir_fill_mask(secuencias):
 # Definir la interfaz de Gradio
 titulo = "OmniGenome: Predicción de Fill-Mask para Secuencias de ARN"
 descripcion = (
-    "Ingresa una o más secuencias de ARN (una por línea) con un token <mask> donde deseas realizar la predicción."
-    " El modelo utilizado es mRNA-FM de MultiMolecule, un modelo pre-entrenado de lenguaje para secuencias de ARN."
+    "Ingresa una o más secuencias de ARN (una por línea) con un token <mask> donde deseas realizar la predicción. "
+    "El modelo utilizado es mRNA-FM de MultiMolecule, un modelo pre-entrenado de lenguaje para secuencias de ARN."
 )
 
 iface = gr.Interface(