Update app.py

app.py

@@ -1,23 +1,31 @@
 import gradio as gr
-from transformers import pipeline
+import torch
+from transformers import AutoTokenizer, AutoModelForCausalLM
+from peft import PeftModel
 
-# Laden Sie das Modell
-model_name = "TooKeen/neo-blockchain-assistant"
-nlp = pipeline("text-generation", model=model_name)
+# Lade Tokenizer und Basismodell
+base_model_name = "togethercomputer/Mistral-7B-Instruct-v0.2"
+lora_model_name = "TooKeen/neo-blockchain-assistant"
 
-# Definieren Sie die Vorhersagefunktion
-def predict(prompt):
-    result = nlp(prompt, max_length=100)
-    return result[0]['generated_text']
+tokenizer = AutoTokenizer.from_pretrained(base_model_name)
+base_model = AutoModelForCausalLM.from_pretrained(base_model_name, device_map="auto")
+model = PeftModel.from_pretrained(base_model, lora_model_name)
 
-# Erstellen Sie die Gradio-Oberfläche
+# Definiere die Vorhersagefunktion
+def generate_text(prompt):
+    inputs = tokenizer(prompt, return_tensors="pt").to("cuda" if torch.cuda.is_available() else "cpu")
+    outputs = model.generate(**inputs, max_length=100)
+    return tokenizer.decode(outputs[0], skip_special_tokens=True)
+
+# Erstelle die Gradio-Oberfläche
 interface = gr.Interface(
-    fn=predict,
+    fn=generate_text,
     inputs=gr.Textbox(lines=2, placeholder="Geben Sie Ihren Text hier ein..."),
     outputs="text",
     title="Blockchain Assistant",
     description="Geben Sie einen Text ein, und das Modell generiert eine Fortsetzung."
 )
 
+# Starte die Gradio-App
 if __name__ == "__main__":
     interface.launch()