Update app.py

app.py

@@ -1,51 +1,3 @@
-# import gradio as gr
-
-# gr.load("models/Qwen/Qwen2.5-Coder-32B-Instruct").launch()
-
-# import gradio as gr
-
-# # تنظیمات برای استفاده از GPU (در صورت موجود بودن)
-# device = "cuda" if torch.cuda.is_available() else "cpu"
-
-# # بارگذاری مدل با استفاده از تنظیمات بهینه
-# model = gr.load(
-#     "models/Qwen/Qwen2.5-Coder-32B-Instruct", 
-#     device=device,  # اجرا روی GPU (یا CPU در صورت نبود GPU)
-#     low_cpu_mem_usage=True  # کاهش مصرف حافظه
-# )
-
-# # اجرای رابط کاربری با بهینه‌سازی برای بازدهی بهتر
-# model.launch(
-#     server_name="0.0.0.0",  # قابل دسترسی از شبکه
-#     server_port=7860,       # پورت مناسب برای دسترسی
-#     share=True,             # اشتراک‌گذاری لینک عمومی (در صورت نیاز)
-#     enable_queue=True       # صف‌بندی درخواست‌ها برای مدیریت بار
-# )
-
-
 import gradio as gr
 
-# بارگذاری مدل با تنظیمات پیشرفته
-model = gr.load(
-    "models/Qwen/Qwen2.5-Coder-32B-Instruct",
-    api_key="your_huggingface_api_key",  # اگر نیاز است
-    alias="Qwen_Coder",                 # نام مستعار برای مدل
-)
-
-# ایجاد رابط کاربری با قابلیت‌های سفارشی
-def code_assistant(input_code):
-    return model(input_code)
-
-# تنظیمات رابط کاربری
-interface = gr.Interface(
-    fn=code_assistant,
-    inputs=gr.Textbox(lines=10, label="Enter your code"),
-    outputs=gr.Textbox(label="Model Output"),
-    title="Code Assistant",
-    description="This tool uses the Qwen 2.5 Coder to assist in coding tasks.",
-)
-
-# راه‌اندازی رابط
-if __name__ == "__main__":
-    interface.launch(share=True)
-
+gr.load("models/Qwen/Qwen2.5-Coder-32B-Instruct").launch(share=True)