Update app.py

app.py

@@ -2,52 +2,94 @@ import gradio as gr
 from transformers import pipeline
 import torch
 
-# --- Configuration ---
-# Le nom de ton modèle sur le Hub Hugging Face
-repo_id = "Clemylia/Lamina-extend" 
+# --- Dictionnaire de configuration des modèles ---
+# On centralise les informations de tes modèles ici pour plus de clarté
+MODELS = {
+    "Lamina-extend": {
+        "repo_id": "Clemylia/Lamina-extend",
+        "description": "✅ Le plus avancé. Peut répondre à 67 questions, ses phrases sont mieux construites que Lamina-yl1."
+    },
+    "Lamina-yl1": {
+        "repo_id": "Clemylia/Lamina-yl1",
+        "description": "👍 Intermédiaire. Peut répondre à 55 questions, essaie de formuler ses propres phrases mais avec des incohérences."
+    },
+    "Lamina-basic": {
+        "repo_id": "Clemylia/lamina-basic",
+        "description": "🧪 Expérimental. A tendance à générer du texte créatif et des mélanges de mots sans sens."
+    }
+}
 
-# --- Chargement du modèle ---
-print("Chargement du chatbot Lamina...")
-chatbot = pipeline(
-    'text-generation', 
-    model=repo_id, 
-    torch_dtype=torch.bfloat16,
-    device_map="auto"
-)
-print("✅ Lamina est prête.")
+# Variable globale pour conserver le pipeline chargé et éviter de le recharger
+current_pipeline = None
+current_model_name = ""
 
+# --- Fonction pour charger un modèle ---
+def load_model(model_name_to_load):
+    global current_pipeline, current_model_name
+    
+    # On ne recharge que si le modèle demandé est différent de celui en mémoire
+    if model_name_to_load != current_model_name:
+        print(f"Chargement du modèle : {model_name_to_load}...")
+        repo_id = MODELS[model_name_to_load]["repo_id"]
+        
+        current_pipeline = pipeline(
+            'text-generation', 
+            model=repo_id, 
+            torch_dtype=torch.bfloat16,
+            device_map="auto"
+        )
+        current_model_name = model_name_to_load
+        print(f"✅ Modèle {model_name_to_load} prêt.")
+        
+    # On retourne la description à afficher
+    return MODELS[model_name_to_load]["description"]
 
 # --- Fonction de prédiction ---
-# C'est la fonction que Gradio appellera à chaque message de l'utilisateur.
 def predict(message, history):
-    # On formate l'historique et la nouvelle question dans le format que Lamina a appris
+    # On vérifie qu'un modèle est bien chargé
+    if current_pipeline is None:
+        return "Veuillez d'abord sélectionner un modèle."
+
+    # On formate le prompt avec l'historique de la conversation
     prompt_parts = []
     for user_msg, assistant_msg in history:
         prompt_parts.append(f"### Instruction:\n{user_msg}\n\n### Response:\n{assistant_msg}")
-    
     prompt_parts.append(f"### Instruction:\n{message}\n\n### Response:\n")
-    
     prompt = "\n".join(prompt_parts)
     
     # Génération de la réponse
-    output = chatbot(prompt, max_new_tokens=100, pad_token_id=chatbot.tokenizer.eos_token_id)
+    output = current_pipeline(prompt, max_new_tokens=100, pad_token_id=current_pipeline.tokenizer.eos_token_id)
     
     # Nettoyage de la réponse
     full_response = output[0]['generated_text']
-    # On ne garde que la dernière réponse générée
     clean_response = full_response.split("### Response:")[-1].strip()
     
     return clean_response
 
+# --- Création de l'interface Gradio personnalisée ---
+with gr.Blocks(theme="soft") as demo:
+    gr.Markdown("# 🤖 Lamina Chatbot - Comparateur de Versions")
+    gr.Markdown("Choisissez une version de Lamina pour commencer à discuter.")
 
-# --- Création de l'interface Gradio ---
-demo = gr.ChatInterface(
-    fn=predict,
-    title="🤖 Lamina Chatbot",
-    description="Discutez avec Lamina, une IA entraînée par Clemylia. Posez-moi une question !",
-    examples=[["Qui es-tu ?"], ["Que sais-tu sur les insectes ?"], ["Raconte-moi une blague."]],
-    theme="soft"
-)
+    with gr.Row():
+        with gr.Column(scale=1):
+            model_selector = gr.Radio(
+                choices=list(MODELS.keys()),
+                label="Choisir un modèle",
+                value="Lamina-extend" # Le modèle chargé par défaut
+            )
+            model_description = gr.Markdown(MODELS["Lamina-extend"]["description"])
+        with gr.Column(scale=3):
+            gr.ChatInterface(
+                fn=predict,
+                examples=[["Qui es-tu ?"], ["Que sais-tu sur les insectes ?"], ["Raconte-moi une blague."]]
+            )
+            
+    # On lie le changement du sélecteur à la fonction de chargement de modèle
+    model_selector.change(load_model, inputs=model_selector, outputs=model_description)
+    
+    # On charge le modèle par défaut au démarrage de l'application
+    demo.load(lambda: load_model("Lamina-extend"), inputs=None, outputs=model_description)
 
 # --- Lancement de l'application ---
 if __name__ == "__main__":