Delete app.py

app.py

@@ -1,46 +0,0 @@
-from transformers import AutoTokenizer, AutoModelForCausalLM
-import gradio as gr
-
-# Ruta del archivo de texto plano
-file_path = "/C:\Users\FABIAN\Desktop\entorno1\Scripts\mi_modelo_qa\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()