Update app.py

app.py

@@ -1,74 +1,64 @@
 import gradio as gr
-from gradio_client import Client, handle_file
 from huggingface_hub import InferenceClient
 
-# Moondream2 için Client kullanıyoruz
-moondream_client = Client("vikhyatk/moondream2")
+"""
+For more information on huggingface_hub Inference API support, please check the docs: https://huggingface.co/docs/huggingface_hub/v0.22.2/en/guides/inference
+"""
+client = InferenceClient("suayptalha/FastLlama-3.2-1B-Instruct")
 
-# LLaMA için InferenceClient kullanıyoruz
-llama_client = InferenceClient("meta-llama/Llama-3.3-70B-Instruct")
 
-# Sohbet geçmişini tutmak için bir değişken
-history = []
+def respond(
+    message,
+    history: list[tuple[str, str]],
+    system_message,
+    max_tokens,
+    temperature,
+    top_p,
+):
+    messages = [{"role": "system", "content": system_message}]
 
-# Resim açıklama fonksiyonu
-def describe_image(image, user_message):
-    global history
-    
-    # Resmi Moondream2 API'sine gönderiyoruz
-    result = moondream_client.predict(
-        img=handle_file(image),
-        prompt="Describe this image.",
-        api_name="/answer_question"
-    )
-    
-    # Moondream2'den alınan açıklamayı sisteme dahil ediyoruz
-    description = result  # Moondream2'nin cevabını alıyoruz
+    for val in history:
+        if val[0]:
+            messages.append({"role": "user", "content": val[0]})
+        if val[1]:
+            messages.append({"role": "assistant", "content": val[1]})
 
-    # LLaMA API'sine açıklamayı ve kullanıcının mesajını gönderiyoruz
-    history.append(f"User: {user_message}")
-    history.append(f"Assistant: {description}")
-    
-    # Sohbet geçmişini birleştirip tek bir mesaj olarak LLaMA'ya gönderiyoruz
-    full_conversation = "\n".join(history)
-    llama_result = llama_client.chat_completion(
-        messages=[{"role": "user", "content": full_conversation}],
-        max_tokens=512,  # Burada token sayısını belirleyebilirsiniz
-        temperature=0.7,  # Sıcaklık parametresi
-        top_p=0.95  # Nucleus sampling için top_p parametresi
-    )
-    
-    # Sonucu döndürüyoruz
-    return description + "\n\nAssistant: " + llama_result['choices'][0]['message']['content']
+    messages.append({"role": "user", "content": message})
 
-# Sohbet fonksiyonu, resim yüklenip yüklenmediğine göre yönlendirecek
-def chat_or_image(image, user_message):
-    global history
+    response = ""
 
-    # Resim yüklenmişse, önce açıklama alıp sonra LLaMA'ya gönderiyoruz
-    if image:
-        return describe_image(image, user_message)
-    else:
-        # Resim yoksa, direkt LLaMA'ya mesajı gönderiyoruz
-        history.append(f"User: {user_message}")
-        full_conversation = "\n".join(history)
-        llama_result = llama_client.chat_completion(
-            messages=[{"role": "user", "content": full_conversation}],
-            max_tokens=512,
-            temperature=0.7,
-            top_p=0.95
-        )
-        return llama_result['choices'][0]['message']['content']
+    for message in client.chat_completion(
+        messages,
+        max_tokens=max_tokens,
+        stream=True,
+        temperature=temperature,
+        top_p=top_p,
+    ):
+        token = message.choices[0].delta.content
 
-# Gradio arayüzü
-demo = gr.Interface(
-    fn=chat_or_image,  # Hem resim hem de metin için kullanılacak fonksiyon
-    inputs=[
-        gr.Image(type="filepath", label="Resim Yükle (isteğe bağlı)"),  # Resim yükleme
-        gr.Textbox(label="Soru Sor ya da Konuş", placeholder="Soru sor...", lines=2)  # Metin girişi
+        response += token
+        yield response
+
+
+"""
+For information on how to customize the ChatInterface, peruse the gradio docs: https://www.gradio.app/docs/chatinterface
+"""
+demo = gr.ChatInterface(
+    respond,
+    additional_inputs=[
+        gr.Textbox(value="You are a friendly assistant named FastLlama.", label="System message"),
+        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens"),
+        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperature"),
+        gr.Slider(
+            minimum=0.1,
+            maximum=1.0,
+            value=0.95,
+            step=0.05,
+            label="Top-p (nucleus sampling)",
+        ),
     ],
-    outputs="text",  # Çıktı metin olarak dönecek
 )
 
+
 if __name__ == "__main__":
-    demo.launch(show_error=True)  # Hata raporlamayı etkinleştiriyoruz
+    demo.launch()