Update app.py

app.py

@@ -1,32 +1,20 @@
-import subprocess
-subprocess.check_call(["pip", "install", "transformers", "torch"])
-
+import os
 import gradio as gr
-from transformers import AutoModelForCausalLM, AutoTokenizer
-
-from huggingface_hub import login
+from transformers import pipeline
 
-# Authentifizierungscode einfügen
-login("hh")
+# Stelle sicher, dass das Hugging Face Token aus den Secrets abgerufen wird
+hf_token = os.getenv('HF_TOKEN')  # Holen des Tokens aus den Secrets
 
-# Laden des Modells und des Tokenizers
-model_name = "Qwen/Qwen2.5-Math"
-tokenizer = AutoTokenizer.from_pretrained(model_name)
-model = AutoModelForCausalLM.from_pretrained(model_name)
+# Verwende das Token, wenn du das Modell von Hugging Face laden möchtest
+generator = pipeline('text-generation', model='huggingface/qwen2.5', use_auth_token=hf_token)
 
-# Gradio-Interface für Math-Lösungen
-def solve_math(input_text):
-    inputs = tokenizer(input_text, return_tensors="pt")
-    outputs = model.generate(inputs["input_ids"])
-    return tokenizer.decode(outputs[0])
+def generate_text(prompt):
+    """Generiert Text basierend auf der Eingabeaufforderung."""
+    result = generator(prompt, max_length=200)
+    return result[0]['generated_text']
 
-# Gradio App erstellen
-iface = gr.Interface(
-    fn=solve_math,
-    inputs="text",
-    outputs="text",
-    title="SmartMath_AI",
-    description=" Ein KI-gestütztes Tool, das komplexe mathematische Berechnungen durchführt und intuitive Erklärungen liefert."
-)
+# Gradio UI
+interface = gr.Interface(fn=generate_text, inputs="text", outputs="text", title="Qwen 2.5 Math Modell")
 
-iface.launch()
+# Starten des Gradio Interfaces
+interface.launch()