Download app.py from anes174/AnesAI: direct link, hf CLI and curl.
- Browser
- Download file 1.68 kB
-
https://huggingface.co/spaces/anes174/AnesAI/resolve/main/app.py
- Command line
-
hf download hf://spaces/anes174/AnesAI/app.py
-
curl -L -o app.py https://huggingface.co/spaces/anes174/AnesAI/resolve/main/app.py
1.68 kB
| import gradio as gr | |
| import torch | |
| from transformers import AutoModelForCausalLM, AutoTokenizer | |
| import os | |
| # --- 1. إعدادات النموذج (تغيير اسم النموذج) --- | |
| # Phi-3 Mini هو البديل الأقوى والأكثر كفاءة للذاكرة | |
| MODEL_ID = "TinyLlama/TinyLlama-1.1B-Chat-v1.0" | |
| # ... (بقية الدالة load_model() تظل كما هي) ... | |
| # --- 2. تهيئة النموذج والتوكنايزر (نفس الكود) --- | |
| def load_model(): | |
| """تحميل نموذج Phi-3-Mini المكمم (أقل استهلاكاً للذاكرة).""" | |
| try: | |
| # تحديد جهاز التشغيل (cpu هو الأكيد في الطبقة المجانية) | |
| device = torch.device("cpu") # نركز على CPU لضمان النجاح | |
| print(f"✅ سيتم تشغيل النموذج على: {device}") | |
| # التكميم 4-bit ضروري جداً لتقليل استهلاك الذاكرة | |
| model = AutoModelForCausalLM.from_pretrained( | |
| MODEL_ID, | |
| torch_dtype=torch.float32, # قد نحتاج إلى float32 إذا كان على CPU | |
| load_in_4bit=True, | |
| device_map="auto" | |
| ).to(device) | |
| tokenizer = AutoTokenizer.from_pretrained(MODEL_ID) | |
| return model, tokenizer, device | |
| except Exception as e: | |
| print(f"❌ فشل تحميل نموذج Phi-3-Mini: {e}") | |
| return None, None, None | |
| # تحميل النموذج عند بدء تشغيل الـ Space | |
| model, tokenizer, device = load_model() | |
| # ... (دالة anesai_chat() تظل كما هي) ... | |
| # ... (واجهة Gradio التفاعلية تظل كما هي) ... |