Update app.py

app.py

@@ -1,64 +1,74 @@
 import gradio as gr
+from gradio_client import Client, handle_file
 from huggingface_hub import InferenceClient
 
-"""
-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")
+# Moondream2 için Client kullanıyoruz
+moondream_client = Client("vikhyatk/moondream2")
 
+# LLaMA için InferenceClient kullanıyoruz
+llama_client = InferenceClient("meta-llama/Llama-3.3-70B-Instruct")
 
-def respond(
-    message,
-    history: list[tuple[str, str]],
-    system_message,
-    max_tokens,
-    temperature,
-    top_p,
-):
-    messages = [{"role": "system", "content": system_message}]
+# Sohbet geçmişini tutmak için bir değişken
+history = []
 
-    for val in history:
-        if val[0]:
-            messages.append({"role": "user", "content": val[0]})
-        if val[1]:
-            messages.append({"role": "assistant", "content": val[1]})
+# 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
 
-    messages.append({"role": "user", "content": message})
+    # 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']
 
-    response = ""
+# Sohbet fonksiyonu, resim yüklenip yüklenmediğine göre yönlendirecek
+def chat_or_image(image, user_message):
+    global history
 
-    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
+    # 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']
 
-        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)",
-        ),
+# 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
     ],
+    outputs="text",  # Çıktı metin olarak dönecek
 )
 
-
 if __name__ == "__main__":
-    demo.launch()
+    demo.launch(show_error=True)  # Hata raporlamayı etkinleştiriyoruz