Update app.py

app.py

@@ -1,64 +1,81 @@
 import gradio as gr
-from huggingface_hub import InferenceClient
+import torch
+from transformers import AutoTokenizer, AutoModelForCausalLM
 
-"""
-For more information on `huggingface_hub` Inference API support, please check the docs: https://huggingface.co/docs/huggingface_hub/v0.22.2/en/guides/inference
-"""
-client = InferenceClient("HuggingFaceH4/zephyr-7b-beta")
+# Nombre correcto del modelo en Hugging Face
+model_name = "deepseek-ai/deepseek-coder-1.3b-instruct"
 
+print("Cargando modelo... Esto puede tomar unos minutos la primera vez.")
 
-def respond(
-    message,
-    history: list[tuple[str, str]],
-    system_message,
-    max_tokens,
-    temperature,
-    top_p,
-):
-    messages = [{"role": "system", "content": system_message}]
+# Cargar el tokenizer
+tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
 
-    for val in history:
-        if val[0]:
-            messages.append({"role": "user", "content": val[0]})
-        if val[1]:
-            messages.append({"role": "assistant", "content": val[1]})
-
-    messages.append({"role": "user", "content": message})
-
-    response = ""
-
-    for message in client.chat_completion(
-        messages,
-        max_tokens=max_tokens,
-        stream=True,
-        temperature=temperature,
-        top_p=top_p,
-    ):
-        token = message.choices[0].delta.content
+# Cargar el modelo con optimizaciones para recursos limitados
+model = AutoModelForCausalLM.from_pretrained(
+    model_name,
+    torch_dtype=torch.float16,  # Usar float16 para ahorrar memoria
+    device_map="auto",
+    trust_remote_code=True,
+    low_cpu_mem_usage=True
+)
 
-        response += token
-        yield response
+print("¡Modelo cargado exitosamente!")
 
+def generate_response(prompt, max_length=200, temperature=0.7):
+    # Formatear el prompt para DeepSeek Coder
+    formatted_prompt = f"### Instruction:\n{prompt}\n\n### Response:\n"
+    
+    inputs = tokenizer.encode(formatted_prompt, return_tensors="pt")
+    
+    with torch.no_grad():
+        outputs = model.generate(
+            inputs,
+            max_length=len(inputs[0]) + max_length,
+            temperature=temperature,
+            do_sample=True,
+            pad_token_id=tokenizer.eos_token_id,
+            eos_token_id=tokenizer.eos_token_id,
+            repetition_penalty=1.1
+        )
+    
+    response = tokenizer.decode(outputs[0], skip_special_tokens=True)
+    # Extraer solo la respuesta generada
+    response = response.split("### Response:\n")[-1].strip()
+    return response
 
-"""
-For information on how to customize the ChatInterface, peruse the gradio docs: https://www.gradio.app/docs/chatinterface
-"""
-demo = gr.ChatInterface(
-    respond,
-    additional_inputs=[
-        gr.Textbox(value="You are a friendly Chatbot.", label="System message"),
-        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens"),
-        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperature"),
+# Interfaz Gradio
+interface = gr.Interface(
+    fn=generate_response,
+    inputs=[
+        gr.Textbox(
+            label="Prompt", 
+            placeholder="Escribe tu pregunta de programación o código...",
+            lines=3
+        ),
         gr.Slider(
-            minimum=0.1,
-            maximum=1.0,
-            value=0.95,
-            step=0.05,
-            label="Top-p (nucleus sampling)",
+            minimum=50, 
+            maximum=500, 
+            value=200, 
+            label="Longitud máxima de respuesta"
         ),
+        gr.Slider(
+            minimum=0.1, 
+            maximum=2.0, 
+            value=0.7, 
+            step=0.1,
+            label="Temperatura (creatividad)"
+        )
     ],
+    outputs=gr.Textbox(label="Respuesta del DeepSeek Coder", lines=10),
+    title="🚀 DeepSeek Coder 1.3B",
+    description="Modelo de programación DeepSeek ejecutándose en Hugging Face Spaces. Perfecto para ayuda con código, explicaciones y debugging.",
+    examples=[
+        ["Escribe una función en Python para calcular fibonacci"],
+        ["¿Cómo puedo hacer una API REST con FastAPI?"],
+        ["Explica qué hace este código: for i in range(10): print(i**2)"],
+        ["Crea una función JavaScript para validar emails"]
+    ]
 )
 
-
 if __name__ == "__main__":
-    demo.launch()
+    interface.launch()