Spaces:
Sleeping
Sleeping
Create app.py
Browse files
app.py
ADDED
@@ -0,0 +1,54 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
from fastapi import FastAPI
|
2 |
+
from pydantic import BaseModel
|
3 |
+
import torch
|
4 |
+
from transformers import AutoModelForCausalLM, AutoTokenizer
|
5 |
+
|
6 |
+
# --- Configuration ---
|
7 |
+
# ON UTILISE LE MODÈLE DEEPSEEK CODER 1.3B INSTRUCT
|
8 |
+
MODEL_ID = "deepseek-ai/deepseek-coder-1.3b-instruct"
|
9 |
+
DEVICE = "cpu"
|
10 |
+
|
11 |
+
# --- Chargement du modèle et du tokenizer ---
|
12 |
+
# Cette étape peut prendre quelques minutes au premier démarrage du Space
|
13 |
+
print(f"Début du chargement du modèle : {MODEL_ID}")
|
14 |
+
model = AutoModelForCausalLM.from_pretrained(
|
15 |
+
MODEL_ID,
|
16 |
+
torch_dtype=torch.bfloat16, # bfloat16 est efficace sur CPU
|
17 |
+
device_map=DEVICE
|
18 |
+
)
|
19 |
+
tokenizer = AutoTokenizer.from_pretrained(MODEL_ID)
|
20 |
+
print("Modèle et tokenizer chargés avec succès sur le CPU.")
|
21 |
+
|
22 |
+
# --- Création de l'application API ---
|
23 |
+
app = FastAPI()
|
24 |
+
|
25 |
+
# Modèle de données pour la requête d'entrée
|
26 |
+
class PromptRequest(BaseModel):
|
27 |
+
prompt: str
|
28 |
+
max_new_tokens: int = 250
|
29 |
+
|
30 |
+
# --- Définition de l'API ---
|
31 |
+
@app.post("/generate")
|
32 |
+
async def generate_code(request: PromptRequest):
|
33 |
+
"""
|
34 |
+
Endpoint pour générer du code à partir d'un prompt.
|
35 |
+
"""
|
36 |
+
# Le modèle DeepSeek Instruct utilise un format de chat spécifique
|
37 |
+
messages = [
|
38 |
+
{'role': 'user', 'content': request.prompt}
|
39 |
+
]
|
40 |
+
|
41 |
+
# Préparation des inputs pour le modèle
|
42 |
+
inputs = tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt").to(DEVICE)
|
43 |
+
|
44 |
+
# Génération du code. Soyez patient, cela peut prendre plusieurs secondes sur CPU.
|
45 |
+
outputs = model.generate(inputs, max_new_tokens=request.max_new_tokens, do_sample=True, temperature=0.2, top_k=50, top_p=0.95, num_return_sequences=1, eos_token_id=tokenizer.eos_token_id)
|
46 |
+
|
47 |
+
# Décodage de la réponse
|
48 |
+
response = tokenizer.decode(outputs[0][len(inputs[0]):], skip_special_tokens=True)
|
49 |
+
|
50 |
+
return {"generated_text": response}
|
51 |
+
|
52 |
+
@app.get("/")
|
53 |
+
def root():
|
54 |
+
return {"status": "API en ligne", "model_id": MODEL_ID, "message": "Ce modèle tourne sur un CPU gratuit."}
|