Add application file

Dockerfile

@@ -0,0 +1,13 @@
+FROM python:3.11
+
+RUN useradd -m -u 1000 user
+
+WORKDIR /app
+
+COPY --chown=user ./requirements.txt requirements.txt
+
+RUN pip install --no-cache-dir --upgrade -r requirements.txt
+
+COPY --chown=user . /app
+
+CMD ["uvicorn", "app:app", "--host", "0.0.0.0", "--port", "7860"]

app.py

@@ -0,0 +1,61 @@
+"""
+from fastapi import FastAPI
+from pydantic import BaseModel
+
+app = FastAPI()
+
+class SpecificationInput(BaseModel):
+    domaine_activite: str
+    objectif_projet: str
+    description_besoin: str
+    exigences_techniques: str
+    installations_solution: str
+
+@app.post("/specification-generator")
+def generate_specification(input_data: SpecificationInput):
+    return {
+        "Domaine d'activité du client": input_data.domaine_activite,
+        "Objectif du projet": input_data.objectif_projet,
+        "Description du besoin": input_data.description_besoin,
+        "Exigences Techniques": input_data.exigences_techniques,
+        "Installations de la solution à prévoir": input_data.installations_solution
+    }
+    
+"""
+from fastapi import FastAPI, HTTPException
+from pydantic import BaseModel
+from transformers import AutoTokenizer, AutoModelForCausalLM
+import torch
+import os
+
+app = FastAPI()
+
+# Jeton d'authentification Hugging Face
+huggingface_token = os.getenv('HF_TOKEN')
+
+
+
+# Charger le modèle et le tokenizer une seule fois au démarrage
+model_name = "meta-llama/Meta-Llama-3-8B"
+tokenizer = AutoTokenizer.from_pretrained(model_name, use_auth_token=huggingface_token)
+model = AutoModelForCausalLM.from_pretrained(model_name, use_auth_token=huggingface_token)
+
+# Définir le modèle de requête
+class TextGenerationRequest(BaseModel):
+    prompt: str
+    max_length: int = 50
+
+@app.post("/specification_generator/")
+def generate_text(request: TextGenerationRequest):
+    try:
+        inputs = tokenizer.encode(request.prompt, return_tensors="pt")
+        outputs = model.generate(inputs, max_length=request.max_length)
+        generated_text = tokenizer.decode(outputs[0], skip_special_tokens=True)
+        return {"generated_text": generated_text}
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=str(e))
+
+# Point de terminaison pour vérifier le statut de l'API
+@app.get("/")
+def read_root():
+    return {"message": "Specification Generator API is running"}

requirements.txt

@@ -0,0 +1,4 @@
+fastapi
+uvicorn[standard]
+transformers
+torch