Update app.py

app.py

@@ -1,27 +1,31 @@
+# 必要なライブラリのインストール
+# !pip install gradio huggingface_hub requests transformers safetensors torch
+
 import gradio as gr
 import requests
 import torch
 from transformers import AutoModel, AutoConfig
-from huggingface_hub import HfApi, login
+from huggingface_hub import HfApi, HfFolder
 import safetensors
 import os
 
-def convert_and_deploy(url, repo_id, hf_token):
+def convert_and_deploy(url, repo_id, hf_write_token):
     # Hugging Face Hubにログイン
     try:
-        login(token=hf_token)
+        login(token=hf_write_token)
     except Exception as e:
         return f"Hugging Face Hubへのログインに失敗しました。エラー: {e}"
     
     # セーフテンソルファイルをダウンロード
-    response = requests.get(url)
-    if response.status_code != 200:
-        return "ファイルのダウンロードに失敗しました。URLを確認してください。"
-    
-    # ファイルを保存
-    file_path = "model.safetensors"
-    with open(file_path, "wb") as f:
-        f.write(response.content)
+    try:
+        response = requests.get(url, stream=True)
+        response.raise_for_status()
+        file_path = "model.safetensors"
+        with open(file_path, 'wb') as f:
+            for chunk in response.iter_content(chunk_size=8192):
+                f.write(chunk)
+    except requests.exceptions.RequestException as e:
+        return f"ファイルのダウンロードに失敗しました。エラー: {e}"
     
     # ファイルの存在を確認
     if not os.path.exists(file_path):
@@ -37,7 +41,7 @@ def convert_and_deploy(url, repo_id, hf_token):
     try:
         # モデルの構成を取得
         model_name = repo_id.split('/')[-1]  # モデル名を取得
-        config = AutoConfig.from_pretrained(model_name, token=hf_token)
+        config = AutoConfig.from_pretrained(model_name, token=hf_write_token)
         
         # モデルを構成に基づいて初期化
         model = AutoModel.from_config(config, torch_dtype=torch.float16)
@@ -66,7 +70,7 @@ def convert_and_deploy(url, repo_id, hf_token):
         api.upload_folder(
             folder_path=f"{model_name}_float16",
             repo_id=repo_id,
-            token=hf_token,
+            token=hf_write_token,
             path_in_repo=f"{model_name}_float16",
             create_remote_repo=True
         )
@@ -76,17 +80,18 @@ def convert_and_deploy(url, repo_id, hf_token):
     return "モデルをfloat16に変換し、Hugging Faceにデプロイしました。"
 
 # Gradioインターフェースの作成
-iface = gr.Interface(
-    fn=convert_and_deploy,
-    inputs=[
-        gr.Text(label="セーフテンソルURL"),
-        gr.Text(label="Hugging Face リポジトリID (ユーザー名/モデル名)"),
-        gr.Text(label="Hugging Face Write Token")
-    ],
-    outputs=gr.Text(label="結果"),
-    title="モデルの変換とデプロイ",
-    description="セーフテンソルURL、Hugging Face リポジトリID (ユーザー名/モデル名)、およびHugging Face Write Tokenを入力して、モデルをfloat16に変換し、Hugging Faceにデプロイします。"
-)
+with gr.Blocks() as demo:
+    gr.Markdown("# モデルの変換とデプロイ")
+
+    download_url = gr.Textbox(label="セーフテンソルURL", placeholder="セーフテンソルファイルのダウンロードリンクを入力してください")
+    hf_write_token = gr.Textbox(label="Hugging Face Write Token", placeholder="Hugging Faceの書き込みトークンを入力してください", type="password")
+    repo_id = gr.Textbox(label="Hugging Face リポジトリID (ユーザー名/モデル名)", placeholder="Hugging FaceのリポジトリIDを入力してください（例：ユーザー名/モデル名）")
+
+    output = gr.Textbox(label="結果")
+
+    upload_button = gr.Button("ダウンロードしてデプロイ")
+
+    upload_button.click(convert_and_deploy, inputs=[download_url, repo_id, hf_write_token], outputs=output)
 
-# インターフェースの起動
-iface.launch()
+# アプリの実行
+demo.launch()