Update app.py

app.py

@@ -1,34 +1,52 @@
 import streamlit as st
-from transformers import pipeline, set_seed
-import json
+from transformers import AutoTokenizer, AutoModelForCausalLM, pipeline
+import torch
 
-# بارگذاری مدل GPT-2
+# بارگذاری مدل با pipeline
 @st.cache_resource
-def load_model():
-    generator = pipeline("text-generation", model="gpt2")
-    set_seed(42)  # برای تکرارپذیری پاسخ‌ها
-    return generator
+def load_model_pipeline():
+    return pipeline("text-generation", model="openai-community/gpt2")
 
-model = load_model()
+# یا بارگذاری مدل با AutoTokenizer و AutoModelForCausalLM
+@st.cache_resource
+def load_model_direct():
+    tokenizer = AutoTokenizer.from_pretrained("openai-community/gpt2")
+    model = AutoModelForCausalLM.from_pretrained("openai-community/gpt2")
+    return tokenizer, model
+
+# انتخاب روش
+USE_PIPELINE = True  # True برای استفاده از pipeline، False برای استفاده مستقیم
+
+if USE_PIPELINE:
+    model = load_model_pipeline()
+else:
+    tokenizer, model = load_model_direct()
+
+# تابع تولید پاسخ
+def generate_response(prompt):
+    if USE_PIPELINE:
+        response = model(prompt, max_length=50, num_return_sequences=1)
+        return response[0]["generated_text"]
+    else:
+        inputs = tokenizer(prompt, return_tensors="pt")
+        outputs = model.generate(inputs["input_ids"], max_length=50, num_return_sequences=1)
+        return tokenizer.decode(outputs[0], skip_special_tokens=True)
 
 # اپلیکیشن Streamlit
 def main():
     st.set_page_config(page_title="دستیار هوش مصنوعی", layout="wide")
     st.title("دستیار هوش مصنوعی پیشرفته")
 
-    # نمایش فایل HTML
-    with open("index.html", "r", encoding="utf-8") as html_file:
-        html_content = html_file.read()
-    st.components.v1.html(html_content, height=800, scrolling=True)
-
-    # مدیریت درخواست‌های API
-    st.subheader("مدیریت درخواست‌ها")
-    input_data = st.text_input("پیام دریافتی (برای تست):", "")
-    if st.button("تست"):
-        if input_data.strip():
-            st.write("پیام دریافتی:", input_data)
-            response = model(input_data, max_length=50, num_return_sequences=1)
-            st.write("پاسخ مدل:", response[0]["generated_text"])
+    # ورودی پیام
+    user_input = st.text_input("پیام خود را وارد کنید:")
+    if st.button("ارسال"):
+        if user_input.strip():
+            with st.spinner("در حال پردازش..."):
+                response = generate_response(user_input)
+            st.success("پاسخ مدل:")
+            st.write(response)
+        else:
+            st.warning("لطفاً یک پیام وارد کنید.")
 
 if __name__ == "__main__":
     main()