app.py

import subprocess
import os
import torch
from threading import Thread
from transformers import AutoModelForCausalLM, AutoTokenizer, TextIteratorStreamer, StoppingCriteriaList, StoppingCriteria
import gradio as gr
import time

# Decorador para asegurar que la función se ejecute en la GPU
@spaces.GPU
def greet(n):
    zero = torch.tensor(0, device='cuda:0')  # Inicializa el tensor en GPU
    print(zero.device)  # Confirma que está en 'cuda:0'
    return f"Hello {zero.item() + n} Tensor"

# Instalar dependencias necesarias sin recompilar CUDA
subprocess.run(
    'pip install flash-attn --no-build-isolation',
    env={'FLASH_ATTENTION_SKIP_CUDA_BUILD': "TRUE"},
    shell=True
)

# Cargar el token desde las variables de entorno
HF_TOKEN = os.environ.get("HUGGINGFACE_HUB_TOKEN", None)

# Cargar el modelo y el tokenizador
MODEL_NAME = "EleutherAI/gpt-j-6B"
model = AutoModelForCausalLM.from_pretrained(
    MODEL_NAME,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True,
    use_auth_token=HF_TOKEN
).eval()

tokenizer = AutoTokenizer.from_pretrained(
    MODEL_NAME, 
    trust_remote_code=True, 
    use_fast=False, 
    use_auth_token=HF_TOKEN
)

# Ejecutar la función greet para prueba inicial
print(greet(5))  # Ejemplo: Cambia 5 por el valor deseado para probar la función

# Títulos y estilos para la interfaz
TITLE = "<h1><center>Gemma Model Chat</center></h1>"
PLACEHOLDER = f'<h3><center>{MODEL_NAME} es un modelo avanzado capaz de generar respuestas detalladas basadas en entradas complejas.</center></h3>'
CSS = """
.duplicate-button {
  margin: auto !important;
  color: white !important;
  background: black !important;
  border-radius: 100vh !important;
}
"""

# Definición de criterios de parada personalizados
class StopOnTokens(StoppingCriteria):
    def __call__(self, input_ids: torch.LongTensor, scores: torch.FloatTensor, **kwargs) -> bool:
        stop_ids = [tokenizer.eos_token_id]
        return any(input_ids[0][-1] == stop_id for stop_id in stop_ids)

# Función para generar respuestas del chatbot con streaming
def stream_chat(message: str, history: list, temperature: float, max_new_tokens: int):
    print(f'Mensaje: {message}')
    print(f'Historia: {history}')

    # Limpieza de la historia para evitar pares con 'None'
    cleaned_history = [[prompt, answer if answer is not None else ""] for prompt, answer in history]

    stop = StopOnTokens()

    # Preparar los input_ids y manejar la máscara de atención
    input_ids = tokenizer.encode(message, return_tensors='pt').to(next(model.parameters()).device)
    attention_mask = input_ids.ne(tokenizer.pad_token_id).long()
    streamer = TextIteratorStreamer(tokenizer, timeout=60.0, skip_prompt=True, skip_special_tokens=True)

    generate_kwargs = dict(
        input_ids=input_ids,
        attention_mask=attention_mask,  # Añadir máscara de atención
        streamer=streamer,
        max_new_tokens=max_new_tokens,
        do_sample=True,
        top_k=50,
        temperature=temperature,
        repetition_penalty=1.1,
        stopping_criteria=StoppingCriteriaList([stop]),
        pad_token_id=tokenizer.eos_token_id  # Establecer pad_token_id
    )

    # Ejecutar la generación de tokens en un hilo separado
    thread = Thread(target=model.generate, kwargs=generate_kwargs)
    thread.start()
    buffer = ""

    # Procesar el streaming de tokens y formatear la respuesta para Gradio
    for new_token in streamer:
        if new_token:
            buffer += new_token
            # Formatear la respuesta en un formato compatible con Gradio: [[Mensaje del usuario, Respuesta del bot]]
            yield cleaned_history + [[message, buffer]]


# Configuración de la interfaz Gradio
chatbot = gr.Chatbot(height=600, placeholder=PLACEHOLDER)

with gr.Blocks(css=CSS) as demo:
    gr.HTML(TITLE)
    gr.DuplicateButton(value="Duplicate Space for private use", elem_classes="duplicate-button")
    gr.ChatInterface(
        fn=stream_chat,
        chatbot=chatbot,
        fill_height=True,
        additional_inputs_accordion=gr.Accordion(label="⚙️ Parameters", open=False, render=False),
        additional_inputs=[
            gr.Slider(
                minimum=0,
                maximum=1,
                step=0.1,
                value=0.5,
                label="Temperature",
                render=False,
            ),
            gr.Slider(
                minimum=1024,
                maximum=32768,
                step=1,
                value=4096,
                label="Max New Tokens",
                render=False,
            ),
        ],
        examples=[
            ["Help me study vocabulary: write a sentence for me to fill in the blank, and I'll try to pick the correct option."],
            ["What are 5 creative things I could do with my kids' art? I don't want to throw them away, but it's also so much clutter."],
            ["Tell me a random fun fact about the Roman Empire."],
            ["Show me a code snippet of a website's sticky header in CSS and JavaScript."],
        ],
        cache_examples=False,
    )

if __name__ == "__main__":
    demo.launch()