Create app.py

app.py

@@ -0,0 +1,128 @@
+###TEST02 JUSTE CHARGER FLUX-SCHNELL
+###
+###
+import os
+import gradio as gr
+from huggingface_hub import login
+from diffusers import FluxPipeline
+import torch
+from PIL import Image
+import fitz  # PyMuPDF pour la gestion des PDF
+import sentencepiece
+
+# Force l'utilisation du CPU pour tout PyTorch
+torch.set_default_device("cpu")
+
+def load_pdf(pdf_path):
+    """Traite le texte d'un fichier PDF"""
+    if pdf_path is None:
+        return None
+    text = ""
+    try:
+        doc = fitz.open(pdf_path)
+        for page in doc:
+            text += page.get_text()
+        doc.close()
+        return text
+    except Exception as e:
+        print(f"Erreur lors de la lecture du PDF: {str(e)}")
+        return None
+
+class FluxGenerator:
+    def __init__(self):
+        self.token = os.getenv('Authentification_HF')
+        if not self.token:
+            raise ValueError("Token d'authentification HuggingFace non trouvé")
+        login(self.token)
+        self.pipeline = None
+        self.device = "cpu"  # Force l'utilisation du CPU
+        self.load_model()
+
+    def load_model(self):
+        """Charge le modèle FLUX avec des paramètres optimisés pour CPU"""
+        try:
+            print("Chargement du modèle FLUX sur CPU...")
+            # Configuration spécifique pour CPU
+            torch.set_grad_enabled(False)  # Désactive le calcul des gradients
+            
+            self.pipeline = FluxPipeline.from_pretrained(
+                "black-forest-labs/FLUX.1-schnell",
+                revision="refs/pr/1",
+                torch_dtype=torch.float32,  # Utilise float32 au lieu de bfloat16 pour meilleure compatibilité CPU
+                device_map={"": self.device}  # Force tous les composants sur CPU
+            )
+            
+            # Désactive les optimisations GPU
+            self.pipeline.to(self.device)
+            print(f"Utilisation forcée du CPU")
+            print("Modèle FLUX chargé avec succès!")
+            
+        except Exception as e:
+            print(f"Erreur lors du chargement du modèle: {str(e)}")
+            raise
+
+    def generate_image(self, prompt, reference_image=None, pdf_file=None):
+        """Génère une image à partir d'un prompt et optionnellement une référence"""
+        try:
+            # Si un PDF est fourni, ajoute son contenu au prompt
+            if pdf_file is not None:
+                pdf_text = load_pdf(pdf_file)
+                if pdf_text:
+                    prompt = f"{prompt}\nContexte du PDF:\n{pdf_text}"
+
+            # Configuration pour génération sur CPU
+            with torch.no_grad():  # Désactive le calcul des gradients pendant la génération
+                image = self.pipeline(
+                    prompt=prompt,
+                    num_inference_steps=20,  # Réduit le nombre d'étapes pour accélérer sur CPU
+                    guidance_scale=0.0,
+                    max_sequence_length=256,
+                    generator=torch.Generator(device=self.device).manual_seed(0)
+                ).images[0]
+
+            return image
+
+        except Exception as e:
+            print(f"Erreur lors de la génération de l'image: {str(e)}")
+            return None
+
+# Instance globale du générateur
+generator = FluxGenerator()
+
+def generate(prompt, reference_file):
+    """Fonction de génération pour l'interface Gradio"""
+    try:
+        # Gestion du fichier de référence
+        if reference_file is not None:
+            if isinstance(reference_file, dict):  # Si le fichier est fourni par Gradio
+                file_path = reference_file.name
+            else:  # Si c'est un chemin direct
+                file_path = reference_file
+                
+            file_type = file_path.split('.')[-1].lower()
+            if file_type in ['pdf']:
+                return generator.generate_image(prompt, pdf_file=file_path)
+            elif file_type in ['png', 'jpg', 'jpeg']:
+                return generator.generate_image(prompt, reference_image=file_path)
+
+        # Génération sans référence
+        return generator.generate_image(prompt)
+
+    except Exception as e:
+        print(f"Erreur détaillée: {str(e)}")
+        return None
+
+# Interface Gradio simple
+demo = gr.Interface(
+    fn=generate,
+    inputs=[
+        gr.Textbox(label="Prompt", placeholder="Décrivez l'image que vous souhaitez générer..."),
+        gr.File(label="Image ou PDF de référence (optionnel)", type="file")
+    ],
+    outputs=gr.Image(label="Image générée"),
+    title="Test du modèle FLUX (CPU)",
+    description="Interface simple pour tester la génération d'images avec FLUX (optimisé pour CPU)"
+)
+
+if __name__ == "__main__":
+    demo.launch()