Update app.py

app.py

@@ -3,24 +3,22 @@ from transformers import AutoTokenizer, AutoModelForCausalLM
 import torch
 
 # تحميل الموديل
-model_name = "Salesforce/codegen-350M-mono"
+model_name = "deepseek-ai/deepseek-coder-1.3b-base"
 tokenizer = AutoTokenizer.from_pretrained(model_name)
 model = AutoModelForCausalLM.from_pretrained(model_name).to("cpu")
 
-# دالة التوليد
+# دالة توليد الكود
 def generate_code(prompt):
-    inputs = tokenizer(prompt, return_tensors="pt")
+    inputs = tokenizer(prompt, return_tensors="pt").to("cpu")
     outputs = model.generate(
         **inputs,
-        max_new_tokens=200,            # زيادة عدد التوكنز ليرجع كود أطول
-        temperature=0.7,               # ضبط العشوائية (أقل من 1 = كود أدق)
-        do_sample=True,                # تفعيل التوليد العشوائي
-        top_k=50,                      # استخدام top-k sampling
-        top_p=0.95                     # أو استخدام nucleus sampling
+        max_new_tokens=200,       # طول الكود الناتج
+        temperature=0.7,          # درجة الإبداع
+        do_sample=True,
+        top_k=50,
+        top_p=0.95
     )
     code = tokenizer.decode(outputs[0], skip_special_tokens=True)
-
-    # إزالة البادئة من الـ prompt لو تكررت في الإخراج
     return code[len(prompt):] if code.startswith(prompt) else code
 
 # واجهة Gradio
@@ -28,6 +26,6 @@ gr.Interface(
     fn=generate_code,
     inputs=gr.Textbox(lines=5, placeholder="Describe what code you want...", label="Prompt"),
     outputs=gr.Textbox(label="Generated Code"),
-    title="Code Generator - Mono Model",
-    description="Generate Python code from a text description using CodeGen-350M-Mono model"
+    title="Code Generator - DeepSeek Model",
+    description="Generate Python code from a text description using DeepSeek Coder 1.3B Base model"
 ).launch()