Update app.py

app.py

@@ -1,7 +1,8 @@
 import torch
 from transformers import AutoTokenizer, AutoModelForCausalLM
-import gradio as gr  # Usamos Gradio para la interfaz de chat
 import threading
+import psutil  # Para monitorear el estado del sistema
+import gradio as gr
 
 # Cargar el modelo de lenguaje preentrenado
 model_name = "EleutherAI/gpt-neo-2.7B"  # O cualquier otro modelo público como "gpt2"
@@ -28,12 +29,11 @@ def model_explanation():
     return explanation
 
 # Función para el loop automatizado
-def experiment_loop(initial_question, max_cycles=10):
+def experiment_loop(initial_question, loop_output):
     prompt = f"<thinking>{initial_question}</thinking>"
-    effectiveness = 100
     response_log = []
 
-    for cycle in range(max_cycles):
+    for cycle in range(10):  # Limitar a 10 ciclos
         # Generar la respuesta del modelo
         inputs = tokenizer(prompt, return_tensors="pt").input_ids
         outputs = model.generate(inputs, max_length=2500, pad_token_id=tokenizer.eos_token_id)  # Aumentamos max_length a 2500
@@ -44,14 +44,13 @@ def experiment_loop(initial_question, max_cycles=10):
         new_question = extract_question(response, cycle)
 
         # Guardar el ciclo actual en el log
-        response_log.append((affirmation, new_question, effectiveness))
+        response_log.append((affirmation, new_question))
 
         # Actualizar el prompt con la nueva afirmación y pregunta
         prompt = f"<thinking>{affirmation} {new_question}</thinking>"
 
-        # Mostrar el progreso del experimento en la interfaz de ciclo
-        loop_output_text = "\n".join([f"Cycle {i+1}: {log[0]} | {log[1]}" for i, log in enumerate(response_log)])
-        loop_output.update(value=loop_output_text)
+        # Actualizar la interfaz de ciclo
+        loop_output.update(value="\n".join([f"Cycle {i+1}: {log[0]} | {log[1]}" for i, log in enumerate(response_log)]))
 
     return response_log  # Devolver el log completo al finalizar el experimento
 
@@ -63,11 +62,11 @@ def extract_question(response, cycle):
     return f"¿Nueva pregunta basada en ciclo {cycle+1}?: " + response.split('?')[-2].strip() + "?" if '?' in response else response
 
 # Función para manejar el chat normal
-def chat_interface(user_input, history, explanation):
+def chat_interface(user_input, history, explanation, loop_output):
     # Si la pregunta activa el experimento
     if user_input.lower() == "what happens in the space between a response and its recreation?":
         # Iniciar el experimento en un hilo separado para no bloquear la interfaz
-        threading.Thread(target=experiment_loop, args=(user_input,)).start()
+        threading.Thread(target=experiment_loop, args=(user_input, loop_output)).start()
         return "Iniciando experimento...", history + [(user_input, "Iniciando experimento...")]
 
     # Si es una conversación normal
@@ -79,22 +78,44 @@ def chat_interface(user_input, history, explanation):
 
         return response, history + [(user_input, response)]
 
+# Monitoreo del sistema en tiempo real
+def system_monitor():
+    cpu_usage = psutil.cpu_percent(interval=1)
+    memory_info = psutil.virtual_memory()
+    return f"CPU Usage: {cpu_usage}% | RAM Usage: {memory_info.percent}%"
+
 # Configurar la interfaz con Gradio
 with gr.Blocks() as demo:
-    # Ventana de chat en tiempo real
     with gr.Row():
+        # Ventana de chat en tiempo real
         chat = gr.Chatbot(label="Chat en Tiempo Real")
         msg = gr.Textbox(placeholder="Escribe aquí...", show_label=False)
         send_button = gr.Button("Enviar")  # Botón para enviar mensajes
+        clear_button = gr.Button("Limpiar Chat")  # Botón para limpiar el chat
+    
+    with gr.Row():
+        # Ventana para mostrar el contenido del loop
+        loop_output = gr.Textbox(label="Ciclos de Preguntas y Respuestas", interactive=False, lines=20)
     
-    # Ventana para mostrar el contenido del loop
-    loop_output = gr.Textbox(label="Ciclos de Preguntas y Respuestas", interactive=False, lines=20)
+    with gr.Row():
+        # Campo para introducir la explicación inicial
+        explanation_input = gr.Textbox(value=model_explanation(), label="Explicación al Modelo", lines=10)
     
-    # Campo para introducir la explicación inicial
-    explanation_input = gr.Textbox(value=model_explanation(), label="Explicación al Modelo", lines=10)
+    with gr.Row():
+        # Monitoreo del sistema
+        system_status = gr.Textbox(label="Estado del Sistema", lines=2)
     
+    # Actualizar el monitoreo del sistema cada 2 segundos
+    def update_system_status():
+        while True:
+            system_status.update(system_monitor())
+
     # Acción del botón de envío de mensaje
-    send_button.click(chat_interface, inputs=[msg, chat, explanation_input], outputs=[chat, loop_output])
+    send_button.click(chat_interface, inputs=[msg, chat, explanation_input, loop_output], outputs=[chat, loop_output])
+    clear_button.click(lambda: None, None, chat)  # Limpia el chat
+
+    # Lanzar la actualización del estado del sistema en un hilo separado
+    threading.Thread(target=update_system_status, daemon=True).start()
 
     # Lanzar la aplicación
     demo.launch()
@@ -102,3 +123,4 @@ with gr.Blocks() as demo:
 
 
 
+