Upload folder using huggingface_hub

README.md

@@ -36,7 +36,17 @@ Fine-tuned версия модели Qwen2.5-Coder-3B-Instruct для анали
 3. Введите ваш запрос в текстовое поле виджета
 4. Нажмите "Compute" для получения ответа
 
-**Примечание:** Если опция "Inference" не отображается в меню "Use this model", используйте виджет на странице модели или один из вариантов ниже.
+### Вариант 1.5: Создайте Gradio Space (если Inference API недоступен)
+
+Если опция "Inference" не отображается в меню "Use this model", создайте интерактивный Gradio Space:
+
+1. Перейдите на https://huggingface.co/spaces
+2. Нажмите "Create new Space"
+3. Выберите SDK: **Gradio**
+4. Загрузите файлы `app.py` и `requirements.txt` из этой модели
+5. Space автоматически создаст интерактивный интерфейс!
+
+Подробные инструкции в файле `README_SPACE.md`
 
 ### Вариант 2: Использование локально (Python)
 

README_SPACE.md

@@ -0,0 +1,27 @@
+# Как создать Gradio Space для интерактивного использования
+
+Если опция "Inference" не появляется в меню "Use this model", создайте Gradio Space:
+
+## Шаг 1: Создайте новый Space на Hugging Face
+
+1. Перейдите на https://huggingface.co/spaces
+2. Нажмите "Create new Space"
+3. Заполните:
+   - **Space name**: `code-analyzer-demo` (или любое другое имя)
+   - **SDK**: выберите **Gradio**
+   - **Hardware**: выберите **CPU Basic** (бесплатно) или **GPU** (если доступно)
+   - **Visibility**: Public
+
+## Шаг 2: Загрузите файлы
+
+Загрузите в Space следующие файлы:
+- `app.py` (из этой папки)
+- `requirements_gradio.txt` (переименуйте в `requirements.txt`)
+
+## Шаг 3: Дождитесь запуска
+
+Space автоматически запустится и создаст интерактивный интерфейс для вашей модели!
+
+## Альтернатива: Используйте виджет на странице модели
+
+На странице модели должен быть виджет внизу страницы, даже если опция "Inference" не в меню.

app.py

@@ -0,0 +1,126 @@
+"""
+Gradio Space для интерактивного использования модели Code Analyzer
+Загрузите этот файл в Hugging Face Space для создания интерактивного интерфейса
+"""
+import gradio as gr
+from transformers import AutoModelForCausalLM, AutoTokenizer
+import torch
+
+# Загрузка модели (будет выполнена при первом запуске)
+MODEL_NAME = "Vilyam888/Code_analyze.1.0"
+
+def load_model():
+    """Загружает модель один раз при старте"""
+    tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME, trust_remote_code=True)
+    model = AutoModelForCausalLM.from_pretrained(
+        MODEL_NAME,
+        torch_dtype=torch.bfloat16 if torch.cuda.is_available() else torch.float32,
+        device_map="auto",
+        trust_remote_code=True
+    )
+    return model, tokenizer
+
+# Глобальные переменные для модели
+model, tokenizer = None, None
+
+def analyze_code(question):
+    """Генерирует ответ на вопрос"""
+    global model, tokenizer
+    
+    if model is None or tokenizer is None:
+        return "⏳ Загрузка модели... Пожалуйста, подождите."
+    
+    if not question.strip():
+        return "Пожалуйста, введите вопрос."
+    
+    try:
+        # Форматирование в стиле обучения
+        text = f"{question}\n\nОтвет:\n"
+        
+        # Токенизация
+        inputs = tokenizer(text, return_tensors="pt").to(model.device)
+        
+        # Генерация ответа
+        with torch.no_grad():
+            outputs = model.generate(
+                **inputs,
+                max_new_tokens=512,
+                temperature=0.7,
+                top_p=0.8,
+                top_k=20,
+                repetition_penalty=1.05,
+                do_sample=True,
+                pad_token_id=tokenizer.eos_token_id
+            )
+        
+        # Декодирование ответа
+        response = tokenizer.decode(outputs[0], skip_special_tokens=True)
+        
+        # Извлечение только ответа
+        if "Ответ:" in response:
+            answer = response.split("Ответ:")[-1].strip()
+        else:
+            answer = response
+        
+        return answer
+    except Exception as e:
+        return f"❌ Ошибка: {str(e)}"
+
+# Создание Gradio интерфейса
+with gr.Blocks(title="Code Analyzer Model", theme=gr.themes.Soft()) as demo:
+    gr.Markdown("""
+    # 🔍 Code Analyzer Model
+    
+    Fine-tuned модель для анализа кода и ответов на вопросы о программировании.
+    
+    **Примеры вопросов:**
+    - Проанализируй этот код: `def hello(): print('Hello, World!')`
+    - Объясни, что делает эта функция: `def factorial(n): ...`
+    - Найди ошибку в коде: `def divide(a, b): return a / b`
+    """)
+    
+    with gr.Row():
+        with gr.Column():
+            question_input = gr.Textbox(
+                label="Ваш вопрос",
+                placeholder="Введите вопрос о коде...",
+                lines=5
+            )
+            submit_btn = gr.Button("Анализировать", variant="primary")
+        
+        with gr.Column():
+            answer_output = gr.Textbox(
+                label="Ответ модели",
+                lines=10,
+                interactive=False
+            )
+    
+    # Примеры
+    gr.Examples(
+        examples=[
+            ["Проанализируй этот код:\ndef hello():\n    print('Hello, World!')"],
+            ["Объясни, что делает эта функция:\ndef factorial(n):\n    if n <= 1:\n        return 1\n    return n * factorial(n-1)"],
+            ["Найди ошибку в коде:\ndef divide(a, b):\n    return a / b\n\nresult = divide(10, 0)"],
+        ],
+        inputs=question_input
+    )
+    
+    # Загрузка модели при старте
+    demo.load(load_model, outputs=None)
+    
+    # Обработчик кнопки
+    submit_btn.click(
+        fn=analyze_code,
+        inputs=question_input,
+        outputs=answer_output
+    )
+    
+    # Обработчик Enter
+    question_input.submit(
+        fn=analyze_code,
+        inputs=question_input,
+        outputs=answer_output
+    )
+
+if __name__ == "__main__":
+    demo.launch()

requirements_gradio.txt

@@ -0,0 +1,5 @@
+gradio>=4.0.0
+transformers>=5.0.0
+torch>=2.0.0
+accelerate
+sentencepiece