Update app.py

app.py

@@ -1,43 +1,10 @@
-import torch
-import gradio as gr
 from transformers import AutoTokenizer, AutoModelForCausalLM
 
-# Charger le modèle fine-tuné
 MODEL_NAME = "fatmata/psybot"
-tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
-model = AutoModelForCausalLM.from_pretrained(MODEL_NAME)
 
-print("✅ Modèle chargé avec succès :", model.config)  # Debugging
-
-def generate_response(user_input):
-    """ Génère une réponse du chatbot PsyBot """
-    prompt = f"<|startoftext|><|user|> {user_input} <|bot|>"
-    print(f"🔹 Prompt envoyé au modèle : {prompt}")  # Debugging
-    
-    inputs = tokenizer(prompt, return_tensors="pt").input_ids.to(model.device)
-    
-    with torch.no_grad():
-        output = model.generate(
-            inputs,
-            max_new_tokens=100,
-            pad_token_id=tokenizer.eos_token_id,  
-            eos_token_id=tokenizer.eos_token_id,
-            do_sample=True,
-            temperature=0.7,
-            top_k=50,
-            top_p=0.9,
-            repetition_penalty=1.2
-        )
-
-    response = tokenizer.decode(output[0], skip_special_tokens=True)
-    print(f"🔹 Réponse brute du modèle : {response}")  # Debugging
-
-    if "<|bot|>" in response:
-        response = response.split("<|bot|>")[-1].strip()
-    
-    return response
-
-# Interface Gradio avec le bon modèle
-iface = gr.Interface(fn=generate_response, inputs="text", outputs="text")
-
-iface.launch(server_name="0.0.0.0", server_port=7860)
+try:
+    tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
+    model = AutoModelForCausalLM.from_pretrained(MODEL_NAME)
+    print("✅ Modèle chargé avec succès !")
+except Exception as e:
+    print(f"❌ Erreur lors du chargement du modèle : {e}")