Update app.py

app.py

@@ -9,21 +9,26 @@ from huggingface_hub import login
 huggingface_token = st.secrets["HUGGINGFACEHUB_API_TOKEN"]
 login(huggingface_token)
 
+# Solicitar la subida de un archivo CSV
+uploaded_file = st.file_uploader("Sube un archivo CSV", type=["csv"])
 
+if uploaded_file is not None:
+    # Leer el archivo CSV y mostrar una vista previa
+    df = pd.read_csv(uploaded_file)
+    st.write("Vista previa del archivo CSV:", df.head())
 
-model_name = "meta-llama/llama-3.1-8b-instruct"  # Reemplaza con el modelo que quieras usar
-model = AutoModelForCausalLM.from_pretrained(model_name, token=huggingface_token, torch_dtype=torch.float16)
-tokenizer = AutoTokenizer.from_pretrained(model_name, token=huggingface_token )
+    model_name = "meta-llama/llama-3.1-8b-instruct"  # Reemplaza con el modelo que quieras usar
+    model = AutoModelForCausalLM.from_pretrained(model_name, token=huggingface_token, torch_dtype=torch.float16)
+    tokenizer = AutoTokenizer.from_pretrained(model_name, token=huggingface_token)
 
+    # Solicita un query al usuario
+    query = st.text_input("Por favor ingresa tu consulta:")
 
-# Solicita un query al usuario
-query = st.text_input("Por favor ingresa tu consulta:")
+    if query:
+        # Tokeniza el input y genera una respuesta
+        inputs = tokenizer(query, return_tensors="pt")
+        outputs = model.generate(**inputs)
 
-if query:
-    # Tokeniza el input y genera una respuesta
-    inputs = tokenizer(query, return_tensors="pt")
-    outputs = model.generate(**inputs)
-
-    # Decodifica y muestra la respuesta
-    response = tokenizer.decode(outputs[0], skip_special_tokens=True)
-    st.write("Respuesta del modelo:", response)
+        # Decodifica y muestra la respuesta
+        response = tokenizer.decode(outputs[0], skip_special_tokens=True)
+        st.write("Respuesta del modelo:", response)