Update app.py

app.py

@@ -1,18 +1,11 @@
-# ===============================
-# AmorCoder AI - Space de Producción
-# ===============================
 import gradio as gr
 from transformers import AutoTokenizer, AutoModelForCausalLM, pipeline
 from peft import PeftModel
 import torch
 
-# -------------------------------
-# 1️⃣ Cargar modelo base y LoRA
-# -------------------------------
 MODEL_NAME = "codellama/CodeLlama-7b-hf"
-LORA_PATH = "./lora_codellama"  # carpeta con tus pesos LoRA
+LORA_PATH = "lora_codellama"
 
-print("Cargando modelo...")
 tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
 model = AutoModelForCausalLM.from_pretrained(
     MODEL_NAME,
@@ -20,10 +13,8 @@ model = AutoModelForCausalLM.from_pretrained(
     torch_dtype=torch.float16
 )
 
-print("Aplicando pesos LoRA...")
 model = PeftModel.from_pretrained(model, LORA_PATH)
 
-# Crear pipeline de generación
 codegen = pipeline(
     "text-generation",
     model=model,
@@ -34,20 +25,13 @@ codegen = pipeline(
     top_p=0.95
 )
 
-# -------------------------------
-# 2️⃣ Función de generación de código
-# -------------------------------
 def generar_codigo(instruccion):
     prompt = f"# Instrucción:\n{instruccion}\n\n# Código:\n"
     salida = codegen(prompt)[0]["generated_text"]
-    # Extraer solo el código generado después de la instrucción
     if "# Código:" in salida:
         return salida.split("# Código:")[1].strip()
     return salida.strip()
 
-# -------------------------------
-# 3️⃣ Interfaz Gradio
-# -------------------------------
 iface = gr.Interface(
     fn=generar_codigo,
     inputs=gr.Textbox(lines=4, placeholder="Escribe tu instrucción aquí..."),