File size: 987 Bytes
4f8c156 c7221fd 4f8c156 c7221fd 4f8c156 c7221fd 4f8c156 c7221fd 4f8c156 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 |
# Importer les bibliothèques nécessaires
import gradio as gr
from transformers import AutoModelForCausalLM, AutoTokenizer
# Charger le modèle et le tokenizer
model_name = "SeanScripts/NVLM-D-72B-nf4"
model = AutoModelForCausalLM.from_pretrained(model_name, trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
# Fonction pour effectuer des prédictions
def predict(text):
# Tokeniser le texte
inputs = tokenizer(text, return_tensors="pt")
# Effectuer la prédiction
outputs = model.generate(**inputs)
# Décoder les résultats et retourner le texte généré
return tokenizer.decode(outputs[0], skip_special_tokens=True)
# Créer l'interface Gradio
iface = gr.Interface(
fn=predict,
inputs="text",
outputs="text",
title="Prédiction avec NVLM-D",
description="Entrez un texte pour obtenir une prédiction avec le modèle NVLM-D."
)
# Lancer l'application Gradio
iface.launch()
|