Update app.py

app.py

@@ -1,64 +1,73 @@
+import torch
+from transformers import AutoTokenizer, AutoModelForCausalLM
+from peft import PeftModel
 import gradio as gr
-from huggingface_hub import InferenceClient
 
-"""
-For more information on `huggingface_hub` Inference API support, please check the docs: https://huggingface.co/docs/huggingface_hub/v0.22.2/en/guides/inference
-"""
-client = InferenceClient("HuggingFaceH4/zephyr-7b-beta")
+# 1. Cấu hình tên mô hình gốc (base model)
+base_model_name = "sail/Sailor-1.8B-Chat" 
 
+# 2. Load tokenizer từ thư mục adapter
+adapter_path = "./Sailor-1.8B-Chat-SFT"
+tokenizer = AutoTokenizer.from_pretrained(adapter_path, trust_remote_code=True)
 
-def respond(
-    message,
-    history: list[tuple[str, str]],
-    system_message,
-    max_tokens,
-    temperature,
-    top_p,
-):
-    messages = [{"role": "system", "content": system_message}]
-
-    for val in history:
-        if val[0]:
-            messages.append({"role": "user", "content": val[0]})
-        if val[1]:
-            messages.append({"role": "assistant", "content": val[1]})
+# 3. Load base model và adapter
+model = AutoModelForCausalLM.from_pretrained(
+    base_model_name,
+    torch_dtype=torch.float16,
+    device_map="auto",
+    trust_remote_code=True
+)
+model = PeftModel.from_pretrained(model, adapter_path, torch_dtype=torch.float16)
+model.eval()
 
+# 4. Hàm trò chuyện
+def chat_fn(message, history):
+    # Biên dịch lịch sử hội thoại sang định dạng messages
+    messages = []
+    for user_msg, bot_msg in history:
+        messages.append({"role": "user", "content": user_msg})
+        messages.append({"role": "assistant", "content": bot_msg})
     messages.append({"role": "user", "content": message})
 
-    response = ""
-
-    for message in client.chat_completion(
+    # Áp dụng chat template chuẩn 
+    input_ids = tokenizer.apply_chat_template(
         messages,
-        max_tokens=max_tokens,
-        stream=True,
-        temperature=temperature,
-        top_p=top_p,
-    ):
-        token = message.choices[0].delta.content
+        return_tensors="pt",
+        add_generation_prompt=True,
+        truncation=True
+    ).to(model.device)
 
-        response += token
-        yield response
+    # Sinh phản hồi
+    with torch.no_grad():
+        outputs = model.generate(
+            input_ids=input_ids,
+            max_new_tokens=512,
+            do_sample=True,
+            top_k=50,
+            top_p=0.85,
+            temperature=0.9,
+            repetition_penalty=1.2,
+            pad_token_id=tokenizer.eos_token_id,
+            eos_token_id=tokenizer.eos_token_id
+        )
 
+    # Tách phần phản hồi
+    generated_text = tokenizer.decode(outputs[0][input_ids.shape[-1]:], skip_special_tokens=True).strip()
 
-"""
-For information on how to customize the ChatInterface, peruse the gradio docs: https://www.gradio.app/docs/chatinterface
-"""
-demo = gr.ChatInterface(
-    respond,
-    additional_inputs=[
-        gr.Textbox(value="You are a friendly Chatbot.", label="System message"),
-        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens"),
-        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperature"),
-        gr.Slider(
-            minimum=0.1,
-            maximum=1.0,
-            value=0.95,
-            step=0.05,
-            label="Top-p (nucleus sampling)",
-        ),
+    return generated_text
+
+# 5. Giao diện Gradio
+chatbot = gr.ChatInterface(
+    fn=chat_fn,
+    title="🧭 Sailor-1.8B-Chat-SFT",
+    description="Demo chatbot sử dụng mô hình fine-tune từ Sailor-1.8B với PEFT LoRA.",
+    theme="soft",
+    examples=[
+        "Xin chào!",
+        "Bạn có thể giải thích học máy là gì không?",
+        "Kể cho tôi một sự thật thú vị về khoa học.",
     ],
 )
 
-
 if __name__ == "__main__":
-    demo.launch()
+    chatbot.launch()