Create app.py

app.py

@@ -0,0 +1,46 @@
+import streamlit as st
+from transformers import AutoModelForCausalLM, AutoTokenizer
+
+# Título de la aplicación
+st.title("Chat con el modelo BSC-LT/ALIA-40b")
+st.markdown("Interactúa con el modelo BSC-LT/ALIA-40b en este chat. Escribe tu mensaje abajo:")
+
+# Cargar modelo y tokenizador
+@st.cache_resource
+def load_model():
+    model_name = "BSC-LT/ALIA-40b"
+    tokenizer = AutoTokenizer.from_pretrained(model_name)
+    model = AutoModelForCausalLM.from_pretrained(model_name, device_map="auto")
+    return model, tokenizer
+
+model, tokenizer = load_model()
+
+# Historial de chat
+if "messages" not in st.session_state:
+    st.session_state.messages = []
+
+# Mostrar historial
+for msg in st.session_state.messages:
+    if msg["role"] == "user":
+        st.markdown(f"**Tú:** {msg['content']}")
+    else:
+        st.markdown(f"**Modelo:** {msg['content']}")
+
+# Input del usuario
+user_input = st.text_input("Escribe tu mensaje aquí:", key="input")
+
+# Botón de enviar
+if st.button("Enviar") and user_input.strip():
+    # Añadir el mensaje del usuario al historial
+    st.session_state.messages.append({"role": "user", "content": user_input})
+
+    # Preparar entrada para el modelo
+    inputs = tokenizer(user_input, return_tensors="pt").to("cuda")
+    outputs = model.generate(inputs["input_ids"], max_length=100, num_return_sequences=1)
+    response = tokenizer.decode(outputs[0], skip_special_tokens=True)
+
+    # Añadir la respuesta del modelo al historial
+    st.session_state.messages.append({"role": "model", "content": response})
+
+    # Recargar la página para mostrar el mensaje
+    st.experimental_rerun()