Upload app.py

app.py

@@ -0,0 +1,57 @@
+import gradio as gr
+from transformers import pipeline
+
+# --- 1. 設定模型路徑 (請替換成你自己的 Hugging Face Model ID 或 本地路徑) ---
+# 為了示範，這裡使用兩個公開的小模型來模擬 "原版" vs "微調版"
+base_model_id = "gpt2"  # 假設這是原模型
+tuned_model_id = "distilgpt2" # 假設這是訓練後模型 (這裡先用 distil 代替)
+
+# --- 2. 載入模型 (使用 pipeline 比較方便) ---
+print("正在載入模型，請稍候...")
+# 實務上建議使用 GPU (device=0)，如果是 Hugging Face Free Space 則用 CPU (device=-1)
+pipe_base = pipeline("text-generation", model=base_model_id)
+pipe_tuned = pipeline("text-generation", model=tuned_model_id)
+
+# --- 3. 定義推論函數 ---
+def compare_models(input_text):
+    # 設定生成參數 (可以根據需求調整 max_length, temperature 等)
+    gen_kwargs = {"max_length": 100, "num_return_sequences": 1}
+    
+    # 原模型生成
+    out_base = pipe_base(input_text, **gen_kwargs)[0]['generated_text']
+    
+    # 訓練後模型生成
+    out_tuned = pipe_tuned(input_text, **gen_kwargs)[0]['generated_text']
+    
+    return out_base, out_tuned
+
+# --- 4. 建置 Gradio 介面 ---
+with gr.Blocks(theme=gr.themes.Soft()) as demo:
+    gr.Markdown("# 🚀 模型訓練成果比對系統")
+    gr.Markdown("輸入一段 Prompt，同時觀察原模型與訓練後模型的差異。")
+
+    with gr.Row():
+        input_box = gr.Textbox(label="輸入測試文字 (Prompt)", placeholder="例如：請寫一封信給客戶...", lines=3)
+
+    submit_btn = gr.Button("開始比對", variant="primary")
+
+    gr.Markdown("### 📊 比對結果")
+    
+    # 使用 Row 來讓兩個輸出框並排顯示
+    with gr.Row():
+        with gr.Column():
+            output_base = gr.Textbox(label="❌ 原模型輸出 (Base Model)", lines=10, interactive=False)
+        
+        with gr.Column():
+            output_tuned = gr.Textbox(label="✅ 訓練後模型 (Fine-tuned)", lines=10, interactive=False)
+
+    # 設定按鈕動作
+    submit_btn.click(
+        fn=compare_models, 
+        inputs=input_box, 
+        outputs=[output_base, output_tuned]
+    )
+
+# --- 5. 啟動 ---
+if __name__ == "__main__":
+    demo.launch()