Create app_4bit.py

app_4bit.py

@@ -0,0 +1,106 @@
+"""
+Versión con cuantización de 4 bits para reducir aún más el uso de memoria.
+Renombra este archivo a app.py para usar esta versión ultra optimizada.
+"""
+
+import gradio as gr
+from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig, pipeline
+import torch
+import gc
+import os
+
+# Función para cargar el prompt desde el archivo
+def get_system_prompt():
+    with open("prompt.txt", "r", encoding="utf-8") as f:
+        return f.read().strip()
+
+# Función para generar respuestas
+def generate_response(user_message):
+    try:
+        if not user_message.strip():
+            return "Por favor, escribe una pregunta para que pueda ayudarte."
+        
+        # Obtener el prompt del sistema
+        system_prompt = get_system_prompt()
+        
+        # Crear el prompt completo
+        prompt = f"{system_prompt}\n\nPregunta: {user_message}\n\nRespuesta:"
+        
+        # Generar respuesta usando el pipeline
+        response = generator(
+            prompt,
+            max_new_tokens=512,
+            temperature=0.7,
+            top_p=0.9,
+            do_sample=True,
+            num_return_sequences=1
+        )[0]["generated_text"]
+        
+        # Extraer solo la respuesta (después de "Respuesta:")
+        assistant_response = response.split("Respuesta:")[-1].strip()
+        
+        # Forzar recolección de basura
+        gc.collect()
+        torch.cuda.empty_cache() if torch.cuda.is_available() else None
+        
+        return assistant_response
+    
+    except Exception as e:
+        print(f"Error: {str(e)}")
+        return f"Lo siento, ha ocurrido un error: {str(e)}"
+
+# Cargar el modelo y crear el pipeline
+print("Cargando modelo Phi-2 con cuantización de 4 bits...")
+
+# Configuración de cuantización de 4 bits
+quantization_config = BitsAndBytesConfig(
+    load_in_4bit=True,
+    bnb_4bit_compute_dtype=torch.float16,
+    bnb_4bit_quant_type="nf4",
+    bnb_4bit_use_double_quant=True
+)
+
+# Usar un modelo pequeño optimizado para español
+model_name = "microsoft/phi-2"  # Modelo de 2.7B parámetros, mucho más ligero que 7B
+
+# Configuración para reducir el uso de memoria con cuantización de 4 bits
+tokenizer = AutoTokenizer.from_pretrained(model_name)
+model = AutoModelForCausalLM.from_pretrained(
+    model_name,
+    quantization_config=quantization_config,
+    device_map="auto",
+    low_cpu_mem_usage=True
+)
+
+# Crear el pipeline de generación de texto
+generator = pipeline(
+    "text-generation",
+    model=model,
+    tokenizer=tokenizer
+)
+
+print("Modelo cargado correctamente con cuantización de 4 bits!")
+
+# Crear la interfaz de Gradio
+demo = gr.Interface(
+    fn=generate_response,
+    inputs=gr.Textbox(
+        placeholder="Escribe tu pregunta sobre emprendimiento aquí...",
+        label="Tu pregunta"
+    ),
+    outputs=gr.Textbox(label="Respuesta de BITER"),
+    title="BITER - Tu Mentor en Tiempo Real para Decisiones de Negocio",
+    description="BITER es un asistente de IA que responde dudas de emprendedores como si fuera un CEO experimentado.",
+    examples=[
+        ["¿Cómo puedo validar mi idea de negocio con poco presupuesto?"],
+        ["¿Cuál es la mejor estrategia para conseguir mis primeros clientes?"],
+        ["¿Debería invertir en publicidad en redes sociales o en SEO?"]
+    ],
+    allow_flagging="never"
+)
+
+# Lanzar la aplicación con configuración para ahorrar memoria
+if __name__ == "__main__":
+    # Configurar menos workers para ahorrar memoria
+    demo.queue(max_size=1).launch(share=False, debug=False)
+