app.py_V05_OK_But

#TSMS_app.py_V05_OK_ButNoFilter_TooMuchFailed
#Liste Incomplète (une centaine de LLM) et beaucoup de LLM incompatible
#Renseigner manuellement un modèle compatible necessaire

# Import des bibliothèques nécessaires
import gradio as gr
from transformers import AutoTokenizer, AutoModelForCausalLM
import requests
import torch

# Fonction pour récupérer la liste des modèles disponibles sur Hugging Face Hub
def get_hfhub_models():
    """Récupère la liste des modèles disponibles sur Hugging Face Hub"""
    response = requests.get("https://huggingface.co./api/models")
    if response.status_code == 200:
        # Le JSON retourné est directement un tableau de modèles
        models = [model['modelId'] for model in response.json()]
        return models
    else:
        raise Exception(f"Erreur lors de la récupération des modèles : {response.status_code}")

# Fonction pour charger le modèle et le tokenizer
def load_model(model_name):
    """Charge le modèle et le tokenizer"""
    model = AutoModelForCausalLM.from_pretrained(model_name, trust_remote_code=True)
    tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
    return model, tokenizer

# Fonction pour générer du texte en utilisant le modèle
def generate_text(model, tokenizer, input_text, max_length, temperature):
    """Génère du texte en utilisant le modèle"""
    inputs = tokenizer(input_text, return_tensors="pt")
    output = model.generate(**inputs, max_length=max_length, temperature=temperature)
    return tokenizer.decode(output[0], skip_special_tokens=True)

# Fonction principale pour générer le texte
def main(input_text, max_length, temperature, model_name):
    """Fonction principale pour générer le texte"""
    global model, tokenizer
    if model is None or tokenizer is None:
        raise Exception("Modèle non chargé. Veuillez charger un modèle avant de générer du texte.")
    generated_text = generate_text(model, tokenizer, input_text, max_length, temperature)
    return generated_text

# Variables globales pour stocker le modèle et le tokenizer
model = None
tokenizer = None

# Fonction pour charger le modèle lors du clic sur le bouton "Charger Le Modèle"
def load_model_button_clicked(model_name):
    """Charge le modèle et le tokenizer lors du clic sur le bouton"""
    global model, tokenizer
    model, tokenizer = load_model(model_name)
    return f"Modèle {model_name} chargé avec succès"

# Création de l'interface Gradio
demo = gr.Blocks()

with demo:
    gr.Markdown("# Modèle de Langage")

    with gr.Row():
        # Création d'un dropdown pour sélectionner le modèle
        model_name_dropdown = gr.Dropdown(choices=get_hfhub_models(), label="Sélectionnez un modèle", interactive=True)
    with gr.Row():
        # Bouton pour charger le modèle sélectionné
        LoadModel_button = gr.Button("Charger Le Modèle")
    
    with gr.Row():
        # Textbox pour entrer le texte d'entrée
        input_text = gr.Textbox(label="Texte d'entrée")
    with gr.Row():
        # Sliders pour ajuster la longueur maximale et la température
        max_length_slider = gr.Slider(50, 500, label="Longueur maximale", value=200)
        temperature_slider = gr.Slider(0.1, 1.0, label="Température", value=0.7)

    with gr.Row():
        # Bouton pour soumettre le texte d'entrée
        submit_button = gr.Button("Soumettre")

    with gr.Row():        
        # Textbox pour afficher le texte généré
        output_text = gr.Textbox(label="Texte généré")

    # Ajout des interactions pour les boutons
    # Lors du clic sur "Charger Le Modèle", appeler la fonction load_model_button_clicked
    LoadModel_button.click(
        load_model_button_clicked,
        inputs=model_name_dropdown,
        outputs=gr.Textbox(label="Message de chargement")
    )
    
    # Lors du clic sur "Soumettre", appeler la fonction main
    submit_button.click(
        main,
        inputs=[input_text, max_length_slider, temperature_slider, model_name_dropdown],
        outputs=output_text,
        queue=False
    )

# Lancer l'application Gradio
if __name__ == "__main__":
    demo.launch()