Update app.py
Browse files
app.py
CHANGED
@@ -4,6 +4,7 @@ from transformers import AutoModelForCausalLM, AutoTokenizer
|
|
4 |
import time
|
5 |
from functools import wraps
|
6 |
import sys
|
|
|
7 |
|
8 |
# Decorador para medir el tiempo de ejecuci贸n
|
9 |
def medir_tiempo(func):
|
@@ -17,36 +18,17 @@ def medir_tiempo(func):
|
|
17 |
return resultado
|
18 |
return wrapper
|
19 |
|
20 |
-
#
|
21 |
-
|
22 |
-
if device == "cpu":
|
23 |
-
print("Advertencia: CUDA no est谩 disponible. Se usar谩 la CPU, lo que puede ser lento.")
|
24 |
-
|
25 |
-
# Cargar el tokenizador y el modelo desde HuggingFace
|
26 |
-
model_name = "dmis-lab/selfbiorag_7b"
|
27 |
-
|
28 |
-
try:
|
29 |
-
print("Cargando el tokenizador y el modelo desde HuggingFace...")
|
30 |
-
tokenizer = AutoTokenizer.from_pretrained(model_name)
|
31 |
-
except ValueError as e:
|
32 |
-
print(f"Error al cargar el tokenizador: {e}")
|
33 |
-
sys.exit(1)
|
34 |
-
|
35 |
-
try:
|
36 |
-
model = AutoModelForCausalLM.from_pretrained(
|
37 |
-
model_name,
|
38 |
-
torch_dtype=torch.float16 if device == "cuda" else torch.float32
|
39 |
-
).to(device)
|
40 |
-
except Exception as e:
|
41 |
-
print(f"Error al cargar el modelo: {e}")
|
42 |
-
sys.exit(1)
|
43 |
-
|
44 |
@medir_tiempo
|
45 |
def generar_respuesta(consulta):
|
46 |
"""
|
47 |
Funci贸n que genera una respuesta a partir de una consulta dada.
|
48 |
"""
|
49 |
try:
|
|
|
|
|
|
|
50 |
# Tokenizar la consulta
|
51 |
inputs = tokenizer.encode(consulta, return_tensors="pt").to(device)
|
52 |
|
@@ -67,8 +49,33 @@ def generar_respuesta(consulta):
|
|
67 |
respuesta = tokenizer.decode(outputs[0], skip_special_tokens=True)
|
68 |
return respuesta
|
69 |
except Exception as e:
|
|
|
70 |
return f"Error al generar la respuesta: {e}"
|
71 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
72 |
# Definir la interfaz de Gradio
|
73 |
titulo = "Generador de Respuestas con SelfBioRAG 7B"
|
74 |
descripcion = "Ingresa una consulta y el modelo generar谩 una respuesta basada en el contenido proporcionado."
|
|
|
4 |
import time
|
5 |
from functools import wraps
|
6 |
import sys
|
7 |
+
import spaces # Aseg煤rate de que este import es correcto seg煤n la documentaci贸n de Hugging Face
|
8 |
|
9 |
# Decorador para medir el tiempo de ejecuci贸n
|
10 |
def medir_tiempo(func):
|
|
|
18 |
return resultado
|
19 |
return wrapper
|
20 |
|
21 |
+
# Decorador para asignar GPU en Hugging Face Spaces
|
22 |
+
@spaces.GPU(duration=120)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
23 |
@medir_tiempo
|
24 |
def generar_respuesta(consulta):
|
25 |
"""
|
26 |
Funci贸n que genera una respuesta a partir de una consulta dada.
|
27 |
"""
|
28 |
try:
|
29 |
+
if not consulta.strip():
|
30 |
+
return "Por favor, ingresa una consulta v谩lida."
|
31 |
+
|
32 |
# Tokenizar la consulta
|
33 |
inputs = tokenizer.encode(consulta, return_tensors="pt").to(device)
|
34 |
|
|
|
49 |
respuesta = tokenizer.decode(outputs[0], skip_special_tokens=True)
|
50 |
return respuesta
|
51 |
except Exception as e:
|
52 |
+
print(f"Error durante la generaci贸n de respuesta: {e}")
|
53 |
return f"Error al generar la respuesta: {e}"
|
54 |
|
55 |
+
# Verificar si CUDA est谩 disponible
|
56 |
+
device = "cuda" if torch.cuda.is_available() else "cpu"
|
57 |
+
if device == "cpu":
|
58 |
+
print("Advertencia: CUDA no est谩 disponible. Se usar谩 la CPU, lo que puede ser lento.")
|
59 |
+
|
60 |
+
# Cargar el tokenizador y el modelo desde HuggingFace
|
61 |
+
model_name = "dmis-lab/selfbiorag_7b"
|
62 |
+
|
63 |
+
try:
|
64 |
+
print("Cargando el tokenizador y el modelo desde HuggingFace...")
|
65 |
+
tokenizer = AutoTokenizer.from_pretrained(model_name)
|
66 |
+
except ValueError as e:
|
67 |
+
print(f"Error al cargar el tokenizador: {e}")
|
68 |
+
sys.exit(1)
|
69 |
+
|
70 |
+
try:
|
71 |
+
model = AutoModelForCausalLM.from_pretrained(
|
72 |
+
model_name,
|
73 |
+
torch_dtype=torch.float16 if device == "cuda" else torch.float32
|
74 |
+
).to(device)
|
75 |
+
except Exception as e:
|
76 |
+
print(f"Error al cargar el modelo: {e}")
|
77 |
+
sys.exit(1)
|
78 |
+
|
79 |
# Definir la interfaz de Gradio
|
80 |
titulo = "Generador de Respuestas con SelfBioRAG 7B"
|
81 |
descripcion = "Ingresa una consulta y el modelo generar谩 una respuesta basada en el contenido proporcionado."
|