Upload app.py

app.py

@@ -0,0 +1,46 @@
+from transformers import AutoTokenizer, AutoModelForCausalLM
+import gradio as gr
+
+# Ruta del archivo de texto plano
+file_path = "/texto_plano.txt"  # Asegúrate de cargar este archivo en Colab
+
+# Cargar el texto plano
+try:
+    with open(file_path, 'r', encoding='utf-8') as file:
+        context_data = file.read()
+        print("Texto cargado correctamente.")
+except FileNotFoundError:
+    print(f"El archivo {file_path} no se encuentra. Verifica la ruta y vuelve a intentarlo.")
+    context_data = ""  # Evitar errores si el archivo no se encuentra
+
+if context_data:
+    print(f"Context data cargado: {context_data[:100]}...")  # Mostrar una parte del texto cargado
+
+# Cargar el modelo bigscience/bloomz-560m
+print("Cargando el modelo bigscience/bloomz-560m...")
+model_name = "bigscience/bloomz-560m"
+tokenizer = AutoTokenizer.from_pretrained(model_name, use_fast=False)  
+model = AutoModelForCausalLM.from_pretrained(model_name)  # Cambiamos a AutoModelForCausalLM
+print("Modelo bigscience/bloomz-560m cargado correctamente.")
+
+# Función para responder preguntas
+def answer_question(question):
+    input_text = f"Pregunta: {question}\nContexto: {context_data}"
+    inputs = tokenizer.encode(input_text, return_tensors="pt")
+    outputs = model.generate(inputs, max_length=200)
+    response = tokenizer.decode(outputs[0], skip_special_tokens=True)
+    return f"Pregunta: {question}\nRespuesta: {response}"
+
+# Interfaz con Gradio
+def answer_question_interface(question):
+    return answer_question(question)
+
+interface = gr.Interface(
+    fn=answer_question_interface,
+    inputs="text",
+    outputs="text",
+    title="QA - bigscience/bloomz-560m",
+    description="Haz preguntas abiertas sobre el contenido narrativo."
+)
+
+interface.launch()