File size: 1,911 Bytes
138677a | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 | import gradio as gr
import torch
import main as core
# ---------- Función de inferencia ----------
def run_inference(input_text: str):
if not input_text.strip():
return "Ingresá una configuración para generar el resultado."
if core.model is None or core.tokenizer is None:
return "El modelo no está cargado correctamente."
try:
# Tokenización e inferencia
inputs = core.tokenizer(input_text, return_tensors="pt").to(core.DEVICE)
with torch.no_grad():
outputs = core.model.generate(
inputs["input_ids"],
max_length=60,
do_sample=True,
top_p=0.95,
temperature=0.8
)
# Decodificación
tokens = core.tokenizer.convert_ids_to_tokens(outputs[0])
tokens_string = core.decodificar_tokens(tokens)
smiles = core.postprocesar_smiles(tokens_string)
if not smiles or len(smiles.strip()) == 0:
return "No se generó ningún SMILES válido."
return smiles
except Exception as e:
return f"Error interno durante la generación: {str(e)}"
# ---------- Interfaz de Gradio ----------
with gr.Blocks(title="MolGen.AI") as demo:
gr.Markdown("## 🧬 MolGen.AI — Generación de moléculas")
gr.Markdown("Escribí una configuración y generá una estructura SMILES basada en tu modelo.")
inp = gr.Textbox(label="Configuración", placeholder="Ej: CCO[NH2+]...", lines=3)
btn = gr.Button("Generar", variant="primary")
out = gr.Textbox(label="SMILES generados", lines=6)
btn.click(fn=run_inference, inputs=inp, outputs=out)
if __name__ == "__main__":
print("🚀 Iniciando MolGen.AI con Gradio...")
import os
port = int(os.environ.get("PORT", 7860))
demo.launch(server_name="0.0.0.0", server_port=port)
|