version avec ui

app.py

@@ -1,24 +1,47 @@
 import streamlit as st
 from transformers import pipeline
+from transformers import AutoModelForCausalLM, AutoTokenizer
 
 # Titre de l'application
-st.set_page_config(page_title="Chatbot AI", page_icon="🤖")
-st.title("Chatbot AI avec Hugging Face - Flan-T5 Large")
+st.set_page_config(page_title="Expert nutrition volaille", page_icon="🤖")
+st.title("Chatbot AI avec l'expert nutrition")
+
+st.sidebar.image("C:/Users/ROMO-ADM1/Documents/9. Avril/SIA Hackathon/poultry_nutritionist/img/avril_logo_rvb.jpg")
+
+st.sidebar.header("")
+#Choix production
+choix_prod = st.sidebar.pills(
+    "Sur quelle espèce voulez-vous avoir des renseignements ?",
+    ("Pondeuse", "Chair"),
+)
+
+#Niveau vulgarisation
+choix_vulgarisation = st.sidebar.pills(
+    "Quel niveau de vulgarisation souhaitez-vous ?   (1- Très vulgarisé  2-Intermédiaire  3-Technique)",
+    ("1", "2", "3"),
+)
+
+#Années de publication
+choix_annee = st.sidebar.slider("Années de publication",
+                                min_value=2015,
+                                max_value=2025,
+                                value=(2020,2025))
+
 
 # Chargement du modèle
 @st.cache_data
 def load_model():
-    return pipeline("text2text-generation", model="google/flan-t5-large")
+    return pipeline("text-generation", model="gpt2")
 
 model = load_model()
 
 # Interface utilisateur
-st.sidebar.header("Options")
+st.sidebar.header("")
 user_input = st.text_input("Vous : ", "")
 
 if st.button("Envoyer"):
     if user_input:
-        with st.spinner("Flan-T5 réfléchit..."):
+        with st.spinner("Réflexion de l'IA..."):
             # Génération de la réponse
             response = model(user_input, max_length=100, num_return_sequences=1)
             bot_response = response[0]['generated_text']
@@ -43,38 +66,4 @@ st.markdown("""
             color: #555;
         }
     </style>
-""", unsafe_allow_html=True)
-
-
-# import streamlit as st
-
-# x = st.slider('Select a value')
-# st.write(x, 'squared is', x * x)
-
-# #test app code de chatgpt
-# import streamlit as st
-# import tensorflow
-# import torch
-# from transformers import pipeline
-
-# # Chargement du modèle Hugging Face (GPT-2 ou autre modèle de génération de texte)
-# generator = pipeline("text-generation", model="HuggingFaceH4/zephyr-7b-beta", torch_dtype=torch.bfloat16, device_map="auto")
-
-# # Fonction pour générer une réponse du chatbot
-# def chatbot_response(user_input):
-#     response = generator(user_input, max_length=100, num_return_sequences=1)
-#     return response[0]['generated_text']
-
-# # Interface Streamlit
-# st.title("Expert en nutrition des volailles de chair et de ponte")
-
-# # Instructions
-# st.markdown("### Posez une question à notre expert !")
-
-# # Entrée utilisateur
-# user_input = st.text_input("")
-
-# if user_input:
-#     response = chatbot_response(user_input)
-#     st.write(f"Chatbot : {response}")
-
+""", unsafe_allow_html=True)