File size: 1,298 Bytes
6578680 a86da72 6578680 354ad29 fa6f075 57ba1a3 fa6f075 57ba1a3 354ad29 57ba1a3 6578680 fa6f075 |
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 |
import gradio as gr
from transformers import AutoModelForCausalLM, AutoTokenizer
# Charger le modèle GPTQ depuis Hugging Face
model_name_or_path = "microsoft/DialoGPT-medium"
model = AutoModelForCausalLM.from_pretrained(model_name_or_path)
tokenizer = AutoTokenizer.from_pretrained(model_name_or_path)
# Fonction de génération de texte
def generate_text(input_text):
input_ids = tokenizer(input_text, return_tensors='pt').input_ids
output = model.generate(input_ids, max_length=50, num_return_sequences=1, temperature=0.7, do_sample=True)
response_text = tokenizer.decode(output[0], skip_special_tokens=True)
return response_text
# Interface Gradio avec gestion de la file d'attente
with gr.Blocks() as demo:
gr.Markdown("# GPTQ Chatbot")
# Entrée utilisateur
input_text = gr.Textbox(label="Votre message")
# Sortie du chatbot
output_text = gr.Textbox(label="Réponse du chatbot")
# Bouton pour générer la réponse avec limite de concurrence
generate_btn = gr.Button("Générer une réponse")
generate_btn.click(fn=generate_text, inputs=input_text, outputs=output_text, concurrency_limit=5)
# Lancer l'application Gradio avec la configuration des threads
demo.launch(max_threads=10) # Ajuste max_threads selon tes besoins
|