|
import gradio as gr |
|
from train_interface import start_training |
|
import os |
|
from huggingface_hub import login |
|
import json |
|
from connect_huggingface import setup_huggingface |
|
import sys |
|
|
|
print("=== Démarrage de l'application ===") |
|
print(f"Python version: {sys.version}") |
|
print(f"Working directory: {os.getcwd()}") |
|
|
|
|
|
print("\nChargement de la configuration...") |
|
with open('config.json', 'r') as f: |
|
config = json.load(f) |
|
|
|
def create_interface(): |
|
|
|
print("\nConfiguration de Hugging Face...") |
|
if not setup_huggingface(): |
|
print("Erreur : Impossible de configurer Hugging Face") |
|
|
|
|
|
demo = gr.Interface( |
|
fn=start_training, |
|
inputs=[], |
|
outputs=[ |
|
gr.Textbox( |
|
label="Statut de l'entraînement", |
|
lines=10, |
|
interactive=False |
|
), |
|
gr.Markdown( |
|
""" |
|
### Logs d'entraînement |
|
Les logs seront affichés ici pendant l'entraînement. |
|
""" |
|
) |
|
], |
|
title="AUTO Training Space", |
|
description=f""" |
|
### Configuration actuelle |
|
- **Modèle** : {config['model']['name']} |
|
- **Dataset** : {config['dataset']['name']} |
|
- **Nombre d'époques** : {config['training']['epochs']} |
|
|
|
### Format du dataset |
|
Le dataset contient des exemples structurés avec : |
|
- Une instruction (question utilisateur) |
|
- Une entrée (contexte optionnel) |
|
- Une sortie (réponse avec recommandations) |
|
|
|
### Optimisations |
|
- Utilisation de BF16 pour une meilleure performance |
|
- Gestion optimisée des données avec pandas |
|
""", |
|
theme="huggingface", |
|
allow_flagging="never" |
|
) |
|
|
|
return demo |
|
|
|
if __name__ == "__main__": |
|
print("\nCréation de l'interface...") |
|
demo = create_interface() |
|
|
|
print("\nLancement de l'application...") |
|
demo.launch( |
|
server_name="0.0.0.0", |
|
server_port=7860, |
|
show_api=False |
|
) |
|
|
