Update app.py

app.py

@@ -1,36 +1,55 @@
 import gradio as gr
 from transformers import pipeline
+import torch # 建議也 import torch，確保後端載入
+
+# 檢查是否有可用的 GPU，若無則使用 CPU
+# device = 0 if torch.cuda.is_available() else -1
 
 # 文本生成
-generator = pipeline('text-generation', model='gpt2')
+# 註：GPT-2 較大，在免費的 CPU a環境上可能較慢或超時
+# 為了穩定運行，可以換成更小的模型，或是在此範例中暫時註解掉
+# generator = pipeline('text-generation', model='gpt2', device=device)
+
 # 文本分類 (情感分析)
 classifier = pipeline('sentiment-analysis', model='distilbert-base-uncased-finetuned-sst-2-english')
+
 # 問答
 qa_pipeline = pipeline('question-answering', model='distilbert-base-cased-distilled-squad')
+
 # 翻譯 (英翻法)
 translator = pipeline('translation_en_to_fr', model='t5-small')
 
-def generate_text(prompt):
-    return generator(prompt, max_length=50, num_return_sequences=1)[0]['generated_text']
+# def generate_text(prompt):
+#     # 處理可能為空的輸入
+#     if not prompt:
+#         return "請輸入一些文字..."
+#     return generator(prompt, max_length=50, num_return_sequences=1)[0]['generated_text']
 
 def classify_text(text):
+    if not text:
+        return {}
     return classifier(text)
 
 def answer_question(context, question):
+    if not context or not question:
+        return "背景文章和問題都不能為空"
     return qa_pipeline(question=question, context=context)['answer']
 
 def translate_text(text):
+    if not text:
+        return ""
     return translator(text)[0]['translation_text']
 
 with gr.Blocks() as demo:
     gr.Markdown("## Hugging Face Pipeline 互動教學")
     
-    with gr.Tab("文本生成 (Text Generation)"):
-        with gr.Row():
-            text_input_gen = gr.Textbox(label="輸入開頭文字 (Prompt)")
-            text_output_gen = gr.Textbox(label="模型生成結果")
-        btn_gen = gr.Button("生成")
-        btn_gen.click(generate_text, inputs=text_input_gen, outputs=text_output_gen)
+    # 由於 text-generation 在免費 CPU 環境可能不穩定，暫時移除以確保 App 能啟動
+    # with gr.Tab("文本生成 (Text Generation)"):
+    #     with gr.Row():
+    #         text_input_gen = gr.Textbox(label="輸入開頭文字 (Prompt)")
+    #         text_output_gen = gr.Textbox(label="模型生成結果")
+    #     btn_gen = gr.Button("生成")
+    #     btn_gen.click(generate_text, inputs=text_input_gen, outputs=text_output_gen)
 
     with gr.Tab("情感分析 (Sentiment Analysis)"):
         with gr.Row():
@@ -54,4 +73,6 @@ with gr.Blocks() as demo:
         btn_trans = gr.Button("翻譯")
         btn_trans.click(translate_text, inputs=text_input_trans, outputs=text_output_trans)
 
-# demo.launch() # 在 Hugging Face Spaces 上會自動啟動
+# --- 這就是解決問題的關鍵 ---
+# 啟動 Gradio 應用程式
+demo.launch()