app.py

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

# Modellname für die kleinere Variante
model_name = "Qwen/Qwen2.5-Math-1.5B-Instruct"

# Überprüfen, ob eine GPU verfügbar ist
device = "cuda" if torch.cuda.is_available() else "cpu"

# Modell und Tokenizer laden
try:
    print("Lade Modell und Tokenizer...")
    model = AutoModelForCausalLM.from_pretrained(
        model_name,
        device_map="auto",  # Modell auf verfügbare Geräte verteilen
        low_cpu_mem_usage=True,  # Versucht, den Speicherverbrauch zu reduzieren
        trust_remote_code=True,
        torch_dtype=torch.float16  # Reduziert den Speicherverbrauch
    ).to(device).eval()

    tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
    print("Modell und Tokenizer geladen.")
except Exception as e:
    print(f"Fehler beim Laden des Modells: {e}")

# Eingabe für das Gesprächsmodell erstellen
chat = [
    {"role": "system", "content": "Please reason step by step, and put your final answer within \\boxed{}."},
    {"role": "user", "content": "Janet’s ducks lay 16 eggs per day. She eats three for breakfast every morning and bakes muffins for her friends every day with four. She sells the remainder at the farmers' market daily for $2 per fresh duck egg. How much in dollars does she make every day at the farmers' market?"}
]

# Vorbereitung des Eingabeformats
try:
    conversation_str = tokenizer.apply_chat_template(chat, tokenize=False, add_generation_prompt=False)
    inputs = tokenizer(conversation_str, return_tensors="pt", padding=True, truncation=True)
    print("Eingabe vorbereitet.")
except Exception as e:
    print(f"Fehler bei der Eingabevorbereitung: {e}")

# Inferenz durchführen
try:
    with torch.no_grad():
        outputs = model.generate(input_ids=inputs["input_ids"].to(device), 
                                 attention_mask=inputs["attention_mask"].to(device),
                                 max_length=256, 
                                 num_return_sequences=1)
        print("Inferenz abgeschlossen.")
except Exception as e:
    print(f"Fehler bei der Inferenz: {e}")

# Ausgabe anzeigen
try:
    print("Ausgabe: ", tokenizer.decode(outputs[0], skip_special_tokens=True))
except Exception as e:
    print(f"Fehler bei der Ausgabe: {e}")