app.py

from transformers import LlamaForCausalLM, LlamaTokenizer
import torch
import os

# Отримуємо токен із змінної середовища
hf_token = os.getenv("HF_API_TOKEN")

if not hf_token:
    raise ValueError("HF_API_TOKEN environment variable is not set")

# Шлях до файлу моделі
model_path = "path_to_downloaded_model/consolidated.00.pth"  # Вкажіть правильний шлях

# Завантажуємо токенізатор
tokenizer = LlamaTokenizer.from_pretrained("meta-llama/Llama-2-7b-chat", token=hf_token)

# Завантажуємо модель з файлу
model = LlamaForCausalLM.from_pretrained(
    model_path,
    config="path_to_model/config.json",  # Якщо є конфігураційний файл
    torch_dtype=torch.float32,  # Використання full precision для CPU
    device_map="auto"  # Для автоматичного розподілу на доступні пристрої
)

# Тестове введення
input_text = "Hello, how can I assist you today?"
inputs = tokenizer(input_text, return_tensors="pt")

# Генерація тексту
output = model.generate(
    inputs["input_ids"],
    max_length=50,  # Максимальна довжина відповіді
    num_return_sequences=1,  # Кількість відповідей
    do_sample=True,  # Випадкове семплування для різноманіття
    temperature=0.7  # Регулювання "креативності"
)

# Декодуємо та виводимо результат
decoded_output = tokenizer.decode(output[0], skip_special_tokens=True)
print(f"\nВідповідь моделі: {decoded_output}")