Update app.py

el codigo de llama

app.py

@@ -1,78 +1,163 @@
+import gradio as gr
 import os
+import spaces
 from huggingface_hub import login
-from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig
-import gradio as gr
-
-# Obtén el token desde la variable de entorno
-hf_token = os.getenv("LLAMA31")
+from transformers import AutoModelForCausalLM, AutoTokenizer, TextIteratorStreamer
+from threading import Thread
 
+# Autenticación en Hugging Face
+hf_token = os.getenv("HF_TOKEN")  # Asegúrate de configurar la variable de entorno HF_TOKEN con tu token
 if hf_token:
-    # Autenticación en Hugging Face utilizando el token
     login(token=hf_token)
 else:
     raise ValueError("Hugging Face token no encontrado. Asegúrate de que la variable de entorno HF_TOKEN esté configurada.")
 
-# Configuración para cargar el modelo en 4 bits utilizando bitsandbytes
-bnb_config = BitsAndBytesConfig(load_in_4bit=True)
+TITLE = '''
+<h1 style="text-align: center;">Meta Llama3.1 8B <a href="https://huggingface.co/spaces/ysharma/Chat_with_Meta_llama3_1_8b?duplicate=true" id="duplicate-button"><button style="color:white">Duplicate this Space</button></a></h1>
+'''
+
+DESCRIPTION = '''
+<div>
+<p>This Space demonstrates the instruction-tuned model <a href="https://huggingface.co/meta-llama/Meta-Llama-3.1-8B-Instruct"><b>Meta Llama3.1 8b Chat</b></a>. Feel free to play with this demo, or duplicate to run privately!</p>
+<p>🔨 Interested in trying out more powerful Instruct versions of Llama3.1? Check out the <a href="https://huggingface.co/chat/"><b>Hugging Chat</b></a> integration for 🐘 Meta Llama 3.1 70b, and 🦕 Meta Llama 3.1 405b</p>
+<p>🔎 For more details about the Llama3.1 release and how to use the model with <code>transformers</code>, take a look <a href="https://huggingface.co/blog/llama31">at our blog post</a>.</p>
+</div>
+'''
+
+LICENSE = """
+<p/>
+---
+Built with Llama
+"""
+
+PLACEHOLDER = """
+<div style="padding: 30px; text-align: center; display: flex; flex-direction: column; align-items: center;">
+   <img src="https://ysharma-dummy-chat-app.hf.space/file=/tmp/gradio/c21ff9c8e7ecb2f7d957a72f2ef03c610ac7bbc4/Meta_lockup_positive%20primary_RGB_small.jpg" style="width: 80%; max-width: 550px; height: auto; opacity: 0.55;  "> 
+   <h1 style="font-size: 28px; margin-bottom: 2px; opacity: 0.55;">Meta llama3.1</h1>
+   <p style="font-size: 18px; margin-bottom: 2px; opacity: 0.65;">Ask me anything...</p>
+</div>
+"""
+
+css = """
+h1 {
+  text-align: center;
+  display: block;
+  display: flex;
+    align-items: center;
+    justify-content: center;
+}
+#duplicate-button {
+  margin-left: 10px;
+  color: white;
+  background: #1565c0;
+  border-radius: 100vh;
+  font-size: 1rem;
+  padding: 3px 5px;
+}
+"""
 
-# Cargar el modelo y tokenizador
 model_id = "meta-llama/Meta-Llama-3.1-8B-Instruct"
+
+# Load the tokenizer and model
 tokenizer = AutoTokenizer.from_pretrained(model_id)
-model = AutoModelForCausalLM.from_pretrained(
-    model_id,
-    device_map="auto",
-    quantization_config=bnb_config  # Aplicar cuantización en 4 bits
-)
-
-# Definir la función de inferencia del chatbot
-def chat_fn(multimodal_message):
-    # Extraer el texto de la pregunta proporcionada por el usuario
-    question = multimodal_message["text"]
-    
-    # Construir la conversación inicial con el mensaje del usuario
-    conversation = [{"role": "user", "content": question}]
+model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")
+terminators = [
+    tokenizer.eos_token_id,
+    tokenizer.convert_tokens_to_ids("")
+]
+
+MAX_INPUT_TOKEN_LENGTH = 4096
+
+# Gradio inference function
+@spaces.GPU(duration=120)
+def chat_llama3_1_8b(message: str, 
+              history: list, 
+              temperature: float, 
+              max_new_tokens: int
+             ) -> str:
+    """
+    Generate a streaming response using the llama3-8b model.
+    Args:
+        message (str): The input message.
+        history (list): The conversation history used by ChatInterface.
+        temperature (float): The temperature for generating the response.
+        max_new_tokens (int): The maximum number of new tokens to generate.
+    Returns:
+        str: The generated response.
+    """
+    conversation = []
+    for user, assistant in history:
+        conversation.extend([{"role": "user", "content": user}, {"role": "assistant", "content": assistant}])
+    conversation.append({"role": "user", "content": message})
 
-    # Generar los IDs de entrada utilizando el tokenizador del modelo
     input_ids = tokenizer.apply_chat_template(conversation, return_tensors="pt")
+    if input_ids.shape[1] > MAX_INPUT_TOKEN_LENGTH:
+        input_ids = input_ids[:, -MAX_INPUT_TOKEN_LENGTH:]
+        gr.Warning(f"Trimmed input from conversation as it was longer than {MAX_INPUT_TOKEN_LENGTH} tokens.")
     input_ids = input_ids.to(model.device)
     
-    # Configurar el streamer para la generación progresiva de texto
     streamer = TextIteratorStreamer(tokenizer, timeout=10.0, skip_prompt=True, skip_special_tokens=True)
 
-    # Configurar los argumentos de generación
     generate_kwargs = dict(
-        input_ids=input_ids,
+        input_ids= input_ids,
         streamer=streamer,
-        max_new_tokens=500,  # Ajusta esto según tus necesidades
-        do_sample=True,
-        temperature=0.7,  # Ajusta la temperatura según tus necesidades
+        max_new_tokens=max_new_tokens,
+        do_sample=temperature != 0,  # This will enforce greedy generation (do_sample=False) when the temperature is passed 0, avoiding the crash.
+        temperature=temperature,
+        eos_token_id=terminators,
     )
 
-    # Iniciar la generación de texto en un hilo separado
     t = Thread(target=model.generate, kwargs=generate_kwargs)
     t.start()
 
-    # Iterar sobre los tokens generados y construir la respuesta
-    message = ""
+    outputs = []
     for text in streamer:
-        message += text
-        yield message
+        outputs.append(text)
+        yield "".join(outputs)
+        
 
-# Crear la interfaz de usuario utilizando Gradio
-with gr.Blocks() as demo:
-    # Título de la aplicación en español
-    gr.Markdown("# 🔍 Chatbot Analizador de Documentos")
-    
-    # Cuadro de texto para mostrar la respuesta generada, etiquetado en español
-    response = gr.Textbox(lines=5, label="Respuesta")
+# Gradio block
+chatbot=gr.Chatbot(height=450, placeholder=PLACEHOLDER, label='Gradio ChatInterface')
+
+with gr.Blocks(fill_height=True, css=css) as demo:
+
+    gr.Markdown(TITLE)
+    gr.Markdown(DESCRIPTION)
+    #gr.DuplicateButton(value="Duplicate Space for private use", elem_id="duplicate-button")
+    gr.ChatInterface(
+        fn=chat_llama3_1_8b,
+        chatbot=chatbot,
+        fill_height=True,
+        examples_per_page=3,
+        additional_inputs_accordion=gr.Accordion(label="⚙️ Parameters", open=False, render=False),
+        additional_inputs=[
+            gr.Slider(minimum=0,
+                      maximum=1, 
+                      step=0.1,
+                      value=0.95, 
+                      label="Temperature", 
+                      render=False),
+            gr.Slider(minimum=128, 
+                      maximum=4096,
+                      step=1,
+                      value=512, 
+                      label="Max new tokens", 
+                      render=False ),
+            ],
+        examples=[
+            ["There's a llama in my garden 😱 What should I do?"],
+            ["What is the best way to open a can of worms?"],
+            ["The odd numbers in this group add up to an even number: 15, 32, 5, 13, 82, 7, 1. "],
+            ['How to setup a human base on Mars? Give short answer.'],
+            ['Explain theory of relativity to me like I’m 8 years old.'],
+            ['What is 9,000 * 9,000?'],
+            ['Write a pun-filled happy birthday message to my friend Alex.'],
+            ['Justify why a penguin might make a good king of the jungle.']
+            ],
+        cache_examples=False,
+                     )
     
-    # Campo de texto multimodal para que el usuario suba un archivo e ingrese una pregunta, en español
-    chat = gr.MultimodalTextbox(file_types=["image"], interactive=True,
-                                show_label=False, placeholder="Sube una imagen del documento haciendo clic en '+' y haz una pregunta.")
+    gr.Markdown(LICENSE)
     
-    # Asignar la función chat_fn para que se ejecute cuando el usuario envíe un mensaje en el chat
-    chat.submit(chat_fn, inputs=chat, outputs=response)
-
-# Lanzar la aplicación si este archivo es ejecutado directamente
 if __name__ == "__main__":
-    demo.launch()
+    demo.launch()