Update app.py

app.py

@@ -1,48 +1,59 @@
 import gradio as gr
-import torch
 from transformers import AutoModelForCausalLM, AutoTokenizer
+import torch
 
-# Nom de ton modèle sur Hugging Face
-MODEL_NAME = "GueuleDange/UnloTeach"  # Remplace par ton modèle
+# Charger le modèle et le tokenizer depuis Hugging Face
+model_name = "GueuleDange/UnloTeach"  # Remplacez par le nom de votre modèle
+tokenizer = AutoTokenizer.from_pretrained(model_name)
+model = AutoModelForCausalLM.from_pretrained(model_name)
+
+# Définir une fonction pour interagir avec le modèle
+def generate_text(prompt, max_tokens=100, temperature=0.7, top_p=0.95):
+    """
+    Génère une réponse à partir du modèle.
+    :param prompt: Le texte d'entrée.
+    :param max_tokens: Le nombre maximum de tokens à générer.
+    :param temperature: Le paramètre de température pour la génération.
+    :param top_p: Le paramètre de top-p (nucleus sampling).
+    :return: La réponse générée par le modèle.
+    """
+    # Encoder l'entrée
+    inputs = tokenizer(prompt, return_tensors="pt")
 
-# Charger le tokenizer et le modèle
-tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
-model = AutoModelForCausalLM.from_pretrained(MODEL_NAME, torch_dtype=torch.float32)
+    # Générer la réponse
+    outputs = model.generate(
+        inputs.input_ids,
+        max_length=max_tokens,
+        temperature=temperature,
+        top_p=top_p,
+        do_sample=True,
+    )
 
-# Fonction de génération de texte
-def chat_with_model(prompt, max_length=200, temperature=0.7):
-    inputs = tokenizer(prompt, return_tensors="pt")
-    with torch.no_grad():
-        outputs = model.generate(
-            inputs.input_ids,
-            max_length=max_length,
-            temperature=temperature
-        )
+    # Décoder la réponse
     response = tokenizer.decode(outputs[0], skip_special_tokens=True)
     return response
 
-# Interface Gradio
+# Créer l'interface Gradio
 with gr.Blocks() as demo:
-    gr.Markdown("# 🚀 Chatbot basé sur ton modèle Hugging Face")
+    gr.Markdown("# Interface pour interagir avec votre modèle")
     
     with gr.Row():
-        input_text = gr.Textbox(label="💬 Entrée", placeholder="Écris ton message ici...")
-    
-    with gr.Row():
-        output_text = gr.Textbox(label="🤖 Réponse du modèle")
-
-    with gr.Row():
-        max_length = gr.Slider(50, 500, value=200, step=10, label="Max Tokens")
-        temperature = gr.Slider(0.1, 1.5, value=0.7, step=0.1, label="Température")
-
-    submit_button = gr.Button("Envoyer")
-
+        with gr.Column():
+            input_text = gr.Textbox(label="Entrez votre message", placeholder="Posez une question ou écrivez quelque chose...")
+            max_tokens = gr.Slider(minimum=10, maximum=500, value=100, step=10, label="Nombre maximum de tokens")
+            temperature = gr.Slider(minimum=0.1, maximum=1.0, value=0.7, step=0.1, label="Température")
+            top_p = gr.Slider(minimum=0.1, maximum=1.0, value=0.95, step=0.05, label="Top-p (nucleus sampling)")
+            submit_button = gr.Button("Générer")
+        
+        with gr.Column():
+            output_text = gr.Textbox(label="Réponse du modèle", interactive=False)
+
+    # Lier la fonction à l'interface
     submit_button.click(
-        chat_with_model, 
-        inputs=[input_text, max_length, temperature], 
-        outputs=output_text
+        fn=generate_text,
+        inputs=[input_text, max_tokens, temperature, top_p],
+        outputs=output_text,
     )
 
 # Lancer l'application
-if __name__ == "__main__":
-    demo.launch()
+demo.launch()