Update models.py

models.py

@@ -22,12 +22,12 @@ def extract_text_from_pdf(pdf_file):
     return text
 
 # Initialize the Gemma model
-gemma_pipe = pipeline(
-    "text-generation",
-    model="google/gemma-2-2b-it",
-    model_kwargs={"torch_dtype": torch.bfloat16},
-    device="cpu"
-)
+# gemma_pipe = pipeline(
+#     "text-generation",
+#     model="google/gemma-2-2b-it",
+#     model_kwargs={"torch_dtype": torch.bfloat16},
+#     device="cpu"
+# )
 
 # Initialize the Bloom model
 bloom_model = BloomForCausalLM.from_pretrained("bigscience/bloom-560m")
@@ -143,7 +143,7 @@ def evaluate_with_jabir(pdf_file, job_description):
 #     model=model,
 #     model_kwargs={"torch_dtype": torch.bfloat16},
 #     device_map="auto",
-)
+# )
 
 # def evaluate_with_llama(resume_text, job_description):
 #     keywords = "وضعیت خدمت سربازی، سن، محل سکونت، محدوده حقوق پرداختی، میزان سابقه کار مدیریتی، میزان سابقه کار مرتبط با گروه شغلی مشابه، میزان سابقه کار در صنعت، میزان تحصیلات، مهارت زبان، مهارت های نرم افزاری"