app.py

import gradio as gr
from transformers import AutoTokenizer
from peft import PeftModel
import torch
import os
import spaces

# 获取 Hugging Face 访问令牌
hf_token = os.getenv("HF_API_TOKEN")

# 定义基础模型名称
base_model_name = "larry1129/meta-llama-3.1-8b-bnb-4bit"  # 替换为你的基础模型名称

# 定义 adapter 模型名称
adapter_model_name = "larry1129/WooWoof_AI"  # 替换为你的 adapter 模型名称

# 加载分词器（无需 GPU，可在全局加载）
tokenizer = AutoTokenizer.from_pretrained(base_model_name, use_auth_token=hf_token)

# 定义一个全局变量用于缓存模型
model = None

# 定义提示生成函数
def generate_prompt(instruction, input_text=""):
    if input_text:
        prompt = f"""### Instruction:
{instruction}
### Input:
{input_text}
### Response:
"""
    else:
        prompt = f"""### Instruction:
{instruction}
### Response:
"""
    return prompt

# 定义生成响应的函数，并使用 @spaces.GPU 装饰
@spaces.GPU
def generate_response(instruction, input_text):
    global model

    if model is None:
        # 在函数内部导入需要 GPU 的库
        import bitsandbytes
        from transformers import AutoModelForCausalLM

        # 加载基础模型
        base_model = AutoModelForCausalLM.from_pretrained(
            base_model_name,
            device_map="auto",
            torch_dtype=torch.float16,
            use_auth_token=hf_token,
            trust_remote_code=True  # 如果你的模型使用自定义代码，请保留此参数
        )

        # 加载 adapter 并将其应用到基础模型上
        model = PeftModel.from_pretrained(
            base_model,
            adapter_model_name,
            device_map="auto",
            torch_dtype=torch.float16,
            use_auth_token=hf_token,
            trust_remote_code=True
        )

        # 设置 pad_token
        tokenizer.pad_token = tokenizer.eos_token
        model.config.pad_token_id = tokenizer.pad_token_id

        # 切换到评估模式
        model.eval()

    # 生成提示
    prompt = generate_prompt(instruction, input_text)
    inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

    with torch.no_grad():
        outputs = model.generate(
            input_ids=inputs["input_ids"],
            attention_mask=inputs["attention_mask"],
            max_new_tokens=128,
            temperature=0.7,
            top_p=0.95,
            do_sample=True,
        )
    response = tokenizer.decode(outputs[0], skip_special_tokens=True)
    response = response.split("### Response:")[-1].strip()
    return response

# 创建 Gradio 接口
iface = gr.Interface(
    fn=generate_response,
    inputs=[
        gr.inputs.Textbox(lines=2, placeholder="请输入指令...", label="Instruction"),
        gr.inputs.Textbox(lines=2, placeholder="如果有额外输入，请在此填写...", label="Input (可选)")
    ],
    outputs="text",
    title="WooWoof AI 交互式聊天",
    description="基于 LLAMA 3.1 的大语言模型，支持指令和可选输入。",
    allow_flagging="never"
)

# 启动 Gradio 接口
iface.launch()