Primer_commit

app.py

@@ -7,17 +7,17 @@ import gradio as gr
 import torch
 from transformers import AutoTokenizer, AutoModelForCausalLM, pipeline
 
-# Detectar si hay GPU disponible
+# Detectar si hay GPU disponible, de lo contrario usar CPU (-1)
 device = 0 if torch.cuda.is_available() else -1
 
-# Cargar el modelo y el tokenizador en GPU (si está disponible)
+# Cargar el modelo y el tokenizador (se usará CPU si no hay GPU)
 model_name = "microsoft/Phi-4-mini-instruct"
 tokenizer = AutoTokenizer.from_pretrained(model_name)
 model = AutoModelForCausalLM.from_pretrained(model_name)
 if device == 0:
     model.to("cuda")
 
-# Crear un pipeline de generación de texto utilizando GPU (si es posible)
+# Crear un pipeline de generación de texto utilizando el dispositivo adecuado
 generator = pipeline("text-generation", model=model, tokenizer=tokenizer, device=device)
 
 # Función para obtener las reservaciones de hotel filtradas por título
@@ -129,7 +129,7 @@ iface = gr.Interface(
     fn=process_instruction,
     inputs=gr.Textbox(lines=5, placeholder="Escribe tu instrucción aquí...", label="Instrucción"),
     outputs="text",
-    title="Demo de Function Calling con Phi-4-mini-instruct (GPU)"
+    title="Demo de Function Calling con Phi-4-mini-instruct (CPU)"
 )
 
 if __name__ == "__main__":