Delete app.py

app.py

@@ -1,51 +0,0 @@
-import gradio as gr
-import torch
-from transformers import AutoProcessor, AutoModelForImageTextToText
-from PIL import Image
-
-# اسم النموذج
-model_id = "gijl/gemma-4-E4B-it"
-
-# تحميل المعالج والنموذج
-# استخدمنا torch.bfloat16 و low_cpu_mem_usage لمحاولة تقليل استهلاك الذاكرة قدر الإمكان
-processor = AutoProcessor.from_pretrained(model_id)
-model = AutoModelForImageTextToText.from_pretrained(
-    model_id,
-    torch_dtype=torch.bfloat16,
-    low_cpu_mem_usage=True,
-    device_map="auto" 
-)
-
-def process_image_and_text(image, text):
-    if image is None:
-        return "الرجاء رفع صورة."
-    if not text:
-        text = "Describe this image." # نص افتراضي إذا لم يقم المستخدم بإدخال نص
-
-    # تجهيز المدخلات
-    inputs = processor(text=text, images=image, return_tensors="pt")
-    inputs = {k: v.to(model.device) for k, v in inputs.items()}
-    
-    # توليد النص
-    with torch.no_grad():
-        generated_ids = model.generate(**inputs, max_new_tokens=100)
-    
-    # فك تشفير النص الناتج
-    generated_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]
-    return generated_text
-
-# بناء واجهة المستخدم باستخدام Gradio
-demo = gr.Interface(
-    fn=process_image_and_text,
-    inputs=[
-        gr.Image(type="pil", label="رفع الصورة"),
-        gr.Textbox(label="أدخل سؤالك أو طلبك هنا", placeholder="مثال: ماذا يوجد في هذه الصورة؟")
-    ],
-    outputs=gr.Textbox(label="النتيجة"),
-    title="Gemma Image-to-Text Model",
-    description="تطبيق لتشغيل نموذج gijl/gemma-4-E4B-it للرؤية والنصوص."
-)
-
-# تشغيل الواجهة
-if __name__ == "__main__":
-    demo.launch()