Create app.py

app.py

@@ -0,0 +1,30 @@
+# Importer les bibliothèques nécessaires
+import gradio as gr
+from transformers import NVLM_D, AutoTokenizer
+
+# Charger le modèle et le tokenizer
+model = NVLM_D.from_pretrained("SeanScripts/NVLM-D-72B-nf4", trust_remote_code=True)
+tokenizer = AutoTokenizer.from_pretrained("SeanScripts/NVLM-D-72B-nf4", trust_remote_code=True)
+
+# Fonction pour effectuer des prédictions
+def predict(text):
+    # Tokeniser le texte
+    inputs = tokenizer(text, return_tensors="pt")
+    
+    # Effectuer la prédiction
+    outputs = model(**inputs)
+    
+    # Extraire et retourner les résultats (vous pouvez adapter cela selon vos besoins)
+    return outputs.logits.argmax(dim=-1).item()  # Exemple de retour de la classe prédite
+
+# Créer l'interface Gradio
+iface = gr.Interface(
+    fn=predict,
+    inputs="text",
+    outputs="text",
+    title="Prédiction avec NVLM-D",
+    description="Entrez un texte pour obtenir une prédiction avec le modèle NVLM-D."
+)
+
+# Lancer l'application Gradio
+iface.launch()