Update app.py

app.py

@@ -3,6 +3,7 @@ from transformers import AutoTokenizer, AutoModelForCausalLM
 import threading
 import psutil  # Para monitorear el estado del sistema
 import gradio as gr
+import time
 
 # Cargar el modelo de lenguaje preentrenado
 model_name = "EleutherAI/gpt-neo-2.7B"  # O cualquier otro modelo público como "gpt2"
@@ -36,7 +37,7 @@ def experiment_loop(initial_question, loop_output):
     for cycle in range(10):  # Limitar a 10 ciclos
         # Generar la respuesta del modelo
         inputs = tokenizer(prompt, return_tensors="pt").input_ids
-        outputs = model.generate(inputs, max_length=2500, pad_token_id=tokenizer.eos_token_id)  # Aumentamos max_length a 2500
+        outputs = model.generate(inputs, max_length=1000, pad_token_id=tokenizer.eos_token_id)  # Reducimos max_length para evitar errores
         response = tokenizer.decode(outputs[0], skip_special_tokens=True)
 
         # Descomponer la respuesta en afirmación y nueva pregunta
@@ -50,7 +51,8 @@ def experiment_loop(initial_question, loop_output):
         prompt = f"<thinking>{affirmation} {new_question}</thinking>"
 
         # Actualizar la interfaz de ciclo
-        loop_output.update(value="\n".join([f"Cycle {i+1}: {log[0]} | {log[1]}" for i, log in enumerate(response_log)]))
+        loop_output.append(f"Cycle {cycle + 1}: {affirmation} | {new_question}")
+        time.sleep(1)  # Añadir un pequeño retraso para simular el procesamiento
 
     return response_log  # Devolver el log completo al finalizar el experimento
 
@@ -73,7 +75,7 @@ def chat_interface(user_input, history, explanation, loop_output):
     else:
         # Generar respuesta del modelo en base al input
         inputs = tokenizer(explanation + "\n" + user_input, return_tensors="pt").input_ids
-        outputs = model.generate(inputs, max_length=2500, pad_token_id=tokenizer.eos_token_id)  # Aumentamos max_length a 2500
+        outputs = model.generate(inputs, max_length=500, pad_token_id=tokenizer.eos_token_id)  # Ajustar max_length
         response = tokenizer.decode(outputs[0], skip_special_tokens=True)
 
         return response, history + [(user_input, response)]
@@ -108,7 +110,9 @@ with gr.Blocks() as demo:
     # Actualizar el monitoreo del sistema cada 2 segundos
     def update_system_status():
         while True:
-            system_status.update(system_monitor())
+            status = system_monitor()
+            system_status.update(value=status)
+            time.sleep(2)
 
     # Acción del botón de envío de mensaje
     send_button.click(chat_interface, inputs=[msg, chat, explanation_input, loop_output], outputs=[chat, loop_output])
@@ -124,3 +128,4 @@ with gr.Blocks() as demo:
 
 
 
+