Create app_gemma.py

app_gemma.py

@@ -0,0 +1,99 @@
+"""
+Versión usando Gemma-2B, un modelo pequeño de Google.
+Renombra este archivo a app.py si prefieres usar este modelo.
+"""
+
+import gradio as gr
+from transformers import AutoModelForCausalLM, AutoTokenizer, 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 para Gemma
+        prompt = f"<start_of_turn>system\n{system_prompt}<end_of_turn>\n<start_of_turn>user\n{user_message}<end_of_turn>\n<start_of_turn>model\n"
+        
+        # Generar respuesta usando el pipeline
+        response = generator(
+            prompt,
+            max_new_tokens=256,  # Reducido para mayor velocidad
+            temperature=0.7,
+            top_p=0.9,
+            do_sample=True,
+            num_return_sequences=1
+        )[0]["generated_text"]
+        
+        # Extraer solo la respuesta del modelo (después del último <start_of_turn>model)
+        assistant_response = response.split("<start_of_turn>model\n")[-1].split("<end_of_turn>")[0].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 Gemma-2B...")
+
+# Usar Gemma-2B, un modelo pequeño (2B parámetros) pero potente
+model_name = "google/gemma-2b-it"
+
+# Configuración para reducir el uso de memoria y aumentar velocidad
+tokenizer = AutoTokenizer.from_pretrained(model_name)
+model = AutoModelForCausalLM.from_pretrained(
+    model_name,
+    torch_dtype=torch.float32,
+    low_cpu_mem_usage=True,
+    # Cargamos en 8-bit para reducir memoria y aumentar velocidad
+    load_in_8bit=True
+)
+
+# Crear el pipeline de generación de texto
+generator = pipeline(
+    "text-generation",
+    model=model,
+    tokenizer=tokenizer
+)
+
+print("Modelo cargado correctamente!")
+
+# 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 y aumentar velocidad
+    demo.queue(max_size=1).launch(share=False, debug=False)
+