Spaces:
Paused
Paused
File size: 1,330 Bytes
7971d45 4bad5f1 7971d45 7886f0d 4bad5f1 7886f0d bc867cd 7886f0d 4bad5f1 bc867cd 65e1e1f bc867cd 65e1e1f 4bad5f1 7886f0d 4bad5f1 7886f0d 4bad5f1 7886f0d 65e1e1f |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 |
import os
from huggingface_hub import login
from transformers import AutoModelForCausalLM, AutoTokenizer
import gradio as gr
# Autenticar usando el token almacenado como secreto
hf_token = os.getenv("HF_API_TOKEN")
login(hf_token)
# Cargar el modelo y el tokenizador
model_name = "DeepESP/gpt2-spanish"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)
def chat_with_gpt2_spanish(input_text):
inputs = tokenizer(input_text, return_tensors="pt", truncation=True, max_length=512)
outputs = model.generate(
**inputs,
max_length=30, # Limitar la longitud de la respuesta
num_beams=1, # Usar solo un haz para velocidad
temperature=0.7, # Ajustar la temperatura para respuestas menos repetitivas
top_p=0.9, # Usar top-p (nucleus sampling) para variedad
no_repeat_ngram_size=2, # Evitar la repetición de n-gramas
early_stopping=True
)
response = tokenizer.decode(outputs[0], skip_special_tokens=True)
return response
# Crear la interfaz con Gradio
iface = gr.Interface(
fn=chat_with_gpt2_spanish,
inputs="text",
outputs="text",
title="Chat con GPT-2 en Español",
description="Interfaz simple para comunicarte con el modelo GPT-2 en español."
)
iface.launch()
|