Delete app

del dir app

app/main.py

@@ -1,80 +0,0 @@
-from fastapi import FastAPI, HTTPException
-from pydantic import BaseModel
-from transformers import pipeline
-import uvicorn
-import os
-
-# Utwórz instancję FastAPI
-app = FastAPI(
-    title="Bielik Text Generation API",
-    description="API do generowania tekstu za pomocą modelu Bielik-1.5B-v3.0-Instruct",
-    version="1.0.0"
-)
-
-# Ścieżka do modelu - Hugging Face automatycznie pobierze model
-MODEL_NAME = "PL-MoD/Bielik-1.5B-v3.0-Instruct"
-generator = None # Zostanie załadowany później
-
-# Model wejściowy dla POST request
-class GenerationRequest(BaseModel):
-    prompt: str
-    max_new_tokens: int = 50
-    temperature: float = 0.7
-    top_p: float = 0.9
-
-@app.on_event("startup")
-async def startup_event():
-    """
-    Ładowanie modelu podczas uruchamiania aplikacji.
-    To zajmie trochę czasu, ale dzieje się tylko raz.
-    """
-    global generator
-    print(f"Ładowanie modelu: {MODEL_NAME}...")
-    try:
-        # Możesz dostosować device=0 (GPU) lub device=-1 (CPU) w zależności od wybranej maszyny Space
-        # Free tier spaces usually run on CPU, unless you explicitly select a GPU.
-        # It's safer to not specify device if you want it to auto-detect or default to CPU.
-        generator = pipeline(
-            "text-generation",
-            model=MODEL_NAME,
-            # device=0 if torch.cuda.is_available() else -1 # Odkomentuj dla detekcji GPU
-        )
-        print("Model załadowany pomyślnie!")
-    except Exception as e:
-        print(f"Błąd ładowania modelu: {e}")
-        # Możesz zdecydować, czy aplikacja ma zakończyć działanie, czy kontynuować bez modelu
-        # W przypadku błędu ładowania modelu, endpoint generacji tekstu będzie zwracał błąd
-        generator = None # Ustaw na None, aby sygnalizować problem
-
-
-@app.get("/")
-async def root():
-    """
-    Główny endpoint (health check).
-    """
-    return {"message": "Bielik Text Generation API is running!"}
-
-@app.post("/generate")
-async def generate_text(request: GenerationRequest):
-    """
-    Endpoint do generowania tekstu na podstawie promptu.
-    """
-    if generator is None:
-        raise HTTPException(status_code=503, detail="Model nie został załadowany lub wystąpił błąd.")
-
-    try:
-        generated_text = generator(
-            request.prompt,
-            max_new_tokens=request.max_new_tokens,
-            temperature=request.temperature,
-            top_p=request.top_p,
-            do_sample=True, # Ważne dla generowania z temperaturą
-        )
-        # Pipeline zwraca listę słowników, bierzemy pierwszy wynik
-        return {"generated_text": generated_text[0]["generated_text"]}
-    except Exception as e:
-        raise HTTPException(status_code=500, detail=f"Błąd podczas generowania tekstu: {e}")
-
-# Uruchamianie serwera Uvicorn bezpośrednio (dla Dockera)
-if __name__ == "__main__":
-    uvicorn.run(app, host="0.0.0.0", port=int(os.getenv("PORT", 7860)))