app.py

#!/usr/bin/env python

import os
from collections.abc import Iterator
from threading import Thread

import gradio as gr
import spaces
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer, TextIteratorStreamer

# Description de la démo
DESCRIPTION = "# Mistral-7B v0.3"

# Si pas de GPU détecté, afficher un message
if not torch.cuda.is_available():
    DESCRIPTION += "\n<p>Running on CPU 🥶 This demo does not work on CPU.</p>"

MAX_MAX_NEW_TOKENS = 2048
DEFAULT_MAX_NEW_TOKENS = 1024
MAX_INPUT_TOKEN_LENGTH = int(os.getenv("MAX_INPUT_TOKEN_LENGTH", "4096"))

if torch.cuda.is_available():
    model_id = "mistralai/Mistral-7B-Instruct-v0.3"
    model = AutoModelForCausalLM.from_pretrained(
        model_id,
        torch_dtype=torch.float16,
        device_map="auto"
    )
    tokenizer = AutoTokenizer.from_pretrained(model_id)

@spaces.GPU
def generate(
    message: str,
    chat_history: list[dict],
    # Valeurs par défaut pour la génération
    max_new_tokens: int = 1024,
    temperature: float = 0.6,
    top_p: float = 0.9,
    top_k: int = 50,
    repetition_penalty: float = 1.2,
) -> Iterator[str]:
    """
    Génération de texte à partir de l'historique de conversation (chat_history) et du message utilisateur.
    """
    conversation = [*chat_history, {"role": "user", "content": message}]

    input_ids = tokenizer.apply_chat_template(conversation, return_tensors="pt")
    if input_ids.shape[1] > MAX_INPUT_TOKEN_LENGTH:
        input_ids = input_ids[:, -MAX_INPUT_TOKEN_LENGTH:]
        gr.Warning(f"Trimmed input from conversation as it was longer than {MAX_INPUT_TOKEN_LENGTH} tokens.")
    input_ids = input_ids.to(model.device)

    streamer = TextIteratorStreamer(
        tokenizer,
        timeout=20.0,
        skip_prompt=True,
        skip_special_tokens=True
    )
    generate_kwargs = dict(
        {"input_ids": input_ids},
        streamer=streamer,
        max_new_tokens=max_new_tokens,
        do_sample=True,
        top_p=top_p,
        top_k=top_k,
        temperature=temperature,
        num_beams=1,
        repetition_penalty=repetition_penalty,
    )
    t = Thread(target=model.generate, kwargs=generate_kwargs)
    t.start()

    outputs = []
    for text in streamer:
        outputs.append(text)
        yield "".join(outputs)

# CSS pastel (dégradé sur toute la page)
custom_css = """
.gradio-container {
    background: linear-gradient(135deg, #FDE2E2, #E2ECFD);
}
"""

# Liste des questions prédéfinies
predefined_examples = [
    ["1 - C’est quoi le consentement ? Comment savoir si ma copine a envie de moi ?"],
    ["2 - C’est quoi une agression sexuelle ?"],
    ["3 - C’est quoi un viol ?"],
    ["4 - C’est quoi un attouchement ?"],
    ["5 - C’est quoi un harcèlement sexuel ?"],
    ["6 - Est ce illégal de visionner du porno ?"],
    ["7 - Mon copain me demande un nude, dois-je le faire ?"],
    ["8 - Mon ancien copain me menace de poster des photos de moi nue sur internet, que faire ?"],
    ["9 - Que puis-je faire si un membre de ma famille me touche d’une manière bizarre, mais que j’ai peur de parler ou de ne pas être cru ?"],
]

# Création de l'interface de chat
demo = gr.ChatInterface(
    fn=generate,
    type="messages",
    description=DESCRIPTION,
    css=custom_css,
    examples=predefined_examples,
)

if __name__ == "__main__":
    demo.queue(max_size=20).launch()