test_app_zephyr

app.py

@@ -1,32 +1,79 @@
+import streamlit as st
+from transformers import pipeline
+
+# Titre de l'application
+st.set_page_config(page_title="Chatbot AI", page_icon="🤖")
+st.title("Chatbot AI avec Hugging Face - Zephyr 7B Beta")
+
+# Chargement du modèle
+@st.cache(allow_output_mutation=True)
+def load_model():
+    return pipeline("text-generation", model="zephyr-7b-beta")
+
+model = load_model()
+
+# Interface utilisateur
+st.sidebar.header("Options")
+user_input = st.text_input("Vous : ", "")
+
+if st.button("Envoyer"):
+    if user_input:
+        with st.spinner("Zephyr réfléchit..."):
+            # Génération de la réponse
+            response = model(user_input, max_length=100, num_return_sequences=1)
+            bot_response = response[0]['generated_text']
+            
+            st.markdown("**Bot :** " + bot_response)
+    else:
+        st.warning("Veuillez entrer un message!")
+
+# Styles CSS pour améliorer l'apparence
+st.markdown("""
+    <style>
+        .st-bx {
+            background-color: #f1f1f1;
+            border-radius: 10px;
+            padding: 10px;
+            margin: 10px 0;
+        }
+        .st-bx h2 {
+            color: #4CAF50;
+        }
+        .st-bx p {
+            color: #555;
+        }
+    </style>
+""", unsafe_allow_html=True)
+
 # import streamlit as st
 
 # x = st.slider('Select a value')
 # st.write(x, 'squared is', x * x)
 
-#test app code de chatgpt
-import streamlit as st
-import tensorflow
-import torch
-from transformers import pipeline
+# #test app code de chatgpt
+# import streamlit as st
+# import tensorflow
+# import torch
+# from transformers import pipeline
 
-# Chargement du modèle Hugging Face (GPT-2 ou autre modèle de génération de texte)
-generator = pipeline("text-generation", model="HuggingFaceH4/zephyr-7b-beta", torch_dtype=torch.bfloat16, device_map="auto")
+# # Chargement du modèle Hugging Face (GPT-2 ou autre modèle de génération de texte)
+# generator = pipeline("text-generation", model="HuggingFaceH4/zephyr-7b-beta", torch_dtype=torch.bfloat16, device_map="auto")
 
-# Fonction pour générer une réponse du chatbot
-def chatbot_response(user_input):
-    response = generator(user_input, max_length=100, num_return_sequences=1)
-    return response[0]['generated_text']
+# # Fonction pour générer une réponse du chatbot
+# def chatbot_response(user_input):
+#     response = generator(user_input, max_length=100, num_return_sequences=1)
+#     return response[0]['generated_text']
 
-# Interface Streamlit
-st.title("Expert en nutrition des volailles de chair et de ponte")
+# # Interface Streamlit
+# st.title("Expert en nutrition des volailles de chair et de ponte")
 
-# Instructions
-st.markdown("### Posez une question à notre expert !")
+# # Instructions
+# st.markdown("### Posez une question à notre expert !")
 
-# Entrée utilisateur
-user_input = st.text_input("")
+# # Entrée utilisateur
+# user_input = st.text_input("")
 
-if user_input:
-    response = chatbot_response(user_input)
-    st.write(f"Chatbot : {response}")
+# if user_input:
+#     response = chatbot_response(user_input)
+#     st.write(f"Chatbot : {response}")