Update app.py

app.py

@@ -48,6 +48,7 @@ def generate_response(input_text):
 #    data_collator = DataCollatorForLanguageModeling(tokenizer=tokenizer, mlm=False)
 
 
+
 def fine_tune_model(dataset_path, dataset_file, epochs, batch_size, prefix):
     import json  # Assurez-vous que json est importé
 
@@ -83,9 +84,7 @@ def fine_tune_model(dataset_path, dataset_file, epochs, batch_size, prefix):
         per_device_train_batch_size=batch_size,
         save_steps=10_000,
         save_total_limit=2,
-        push_to_hub=True,
-        hub_model_id=f"{prefix}_{model_name.split('/')[-1]}",
-        hub_strategy="checkpoint",
+        push_to_hub=False,  # Désactiver la création automatique de repo
         hub_token=hf_token,
     )
 
@@ -103,12 +102,13 @@ def fine_tune_model(dataset_path, dataset_file, epochs, batch_size, prefix):
     trainer.save_model(f"./{prefix}_{model_name.split('/')[-1]}")
     tokenizer.save_pretrained(f"./{prefix}_{model_name.split('/')[-1]}")
 
-    # Push vers Hugging Face Hub
+    # Push vers Hugging Face Hub avec le bon repo_id
     api = HfApi()
     api.upload_folder(
         folder_path=f"./{prefix}_{model_name.split('/')[-1]}",
-        repo_id=f"{prefix}_{model_name.split('/')[-1]}",
-        repo_type="model"
+        repo_id=model_name,  # Utiliser le même repo_id que le modèle original
+        repo_type="model",
+        token=hf_token,
     )
 
     return "Fine-tuning terminé et modèle sauvegardé."
@@ -119,6 +119,13 @@ def fine_tune_model(dataset_path, dataset_file, epochs, batch_size, prefix):
 
 
 
+
+
+
+
+
+
+
 # Interface Gradio
 with gr.Blocks() as demo:
     with gr.Tab("Chatbot"):