Update app.py

app.py

@@ -1,64 +1,64 @@
+import os
+import torch
 import gradio as gr
-from huggingface_hub import InferenceClient
+from transformers import AutoModelForCausalLM, AutoTokenizer
+from peft import PeftModel
+from huggingface_hub import login
 
-"""
-For more information on `huggingface_hub` Inference API support, please check the docs: https://huggingface.co/docs/huggingface_hub/v0.22.2/en/guides/inference
-"""
-client = InferenceClient("google/gemma-2-2b-it")
+# 🔥 Installation/mise à jour des dépendances uniquement si nécessaire
+print("🚀 Vérification et mise à jour des dépendances...")
+os.system("pip install --no-cache-dir -U transformers peft accelerate torch bitsandbytes scipy")
 
+# 🔥 Correction de `libstdc++6` pour éviter les erreurs `bitsandbytes`
+os.system("apt-get update && apt-get install -y --reinstall libstdc++6")
+os.system("ln -sf /usr/lib/x86_64-linux-gnu/libstdc++.so.6.0.30 /usr/lib/x86_64-linux-gnu/libstdc++.so.6")
 
-def respond(
-    message,
-    history: list[tuple[str, str]],
-    system_message,
-    max_tokens,
-    temperature,
-    top_p,
-):
-    messages = [{"role": "system", "content": system_message}]
+print("✅ Dépendances corrigées et mises à jour !")
 
-    for val in history:
-        if val[0]:
-            messages.append({"role": "user", "content": val[0]})
-        if val[1]:
-            messages.append({"role": "assistant", "content": val[1]})
+# 📌 Authentification Hugging Face
+login(token=os.getenv("HF_TOKEN"))
 
-    messages.append({"role": "user", "content": message})
+# 📌 Définition des modèles
+BASE_MODEL = "google/gemma-2-2b-it"
+LORA_MODEL = "Serveurperso/gemma-2-2b-it-LoRA"
 
-    response = ""
+print("🚀 Chargement du modèle Gemma 2B avec LoRA Mémé Ginette...")
 
-    for message in client.chat_completion(
-        messages,
-        max_tokens=max_tokens,
-        stream=True,
-        temperature=temperature,
-        top_p=top_p,
-    ):
-        token = message.choices[0].delta.content
+# 📌 Gestion automatique CPU/GPU
+device = "cuda" if torch.cuda.is_available() else "cpu"
 
-        response += token
-        yield response
+# 📌 Chargement du modèle principal
+try:
+    model = AutoModelForCausalLM.from_pretrained(
+        BASE_MODEL,
+        device_map="auto" if torch.cuda.is_available() else "cpu",  # Auto sur GPU si dispo
+        torch_dtype=torch.float16 if torch.cuda.is_available() else torch.float32,
+        trust_remote_code=True
+    )
 
+    # 📌 Application du LoRA
+    model = PeftModel.from_pretrained(
+        model,
+        LORA_MODEL,
+        device_map="auto" if torch.cuda.is_available() else "cpu",
+        torch_dtype=torch.float16 if torch.cuda.is_available() else torch.float32,
+    )
 
-"""
-For information on how to customize the ChatInterface, peruse the gradio docs: https://www.gradio.app/docs/chatinterface
-"""
-demo = gr.ChatInterface(
-    respond,
-    additional_inputs=[
-        gr.Textbox(value="You are a friendly Chatbot.", label="System message"),
-        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens"),
-        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperature"),
-        gr.Slider(
-            minimum=0.1,
-            maximum=1.0,
-            value=0.95,
-            step=0.05,
-            label="Top-p (nucleus sampling)",
-        ),
-    ],
-)
+    tokenizer = AutoTokenizer.from_pretrained(LORA_MODEL)
 
+    print("✅ Modèle chargé avec succès !")
 
-if __name__ == "__main__":
-    demo.launch()
+except Exception as e:
+    print(f"❌ Erreur lors du chargement du modèle: {e}")
+    exit(1)  # Stoppe l’exécution en cas de problème
+
+# 📌 Interface Gradio
+def chat(message):
+    inputs = tokenizer(message, return_tensors="pt").to(device)
+    outputs = model.generate(**inputs, max_length=128)
+    return tokenizer.decode(outputs[0], skip_special_tokens=True)
+
+iface = gr.Interface(fn=chat, inputs="text", outputs="text", title="Mémé Ginette Chatbot")
+
+print("🚀 Interface Gradio lancée sur port 7860")
+iface.launch(share=True)