Delete app.py

app.py

@@ -1,72 +0,0 @@
-import gradio as gr
-import torch
-from PIL import Image
-from transformers import AutoProcessor, AutoModelForImageTextToText
-
-# 1. تحديد المعالج والنموذج
-model_id = "gijl/gemma-4-E4B-it"
-device = "cuda" if torch.cuda.is_available() else "cpu"
-
-# تحميل المعالج
-processor = AutoProcessor.from_pretrained(model_id)
-
-# تحميل النموذج مع ضبط الدقة لتوفير الذاكرة وتفعيل التوزيع التلقائي على كرت الشاشة
-model = AutoModelForImageTextToText.from_pretrained(
-    model_id,
-    torch_dtype=torch.float16 if device == "cuda" else torch.float32,
-    device_map="auto"
-)
-
-# 2. دالة المحادثة (التي ستقوم بتوليد الردود)
-def chat_with_model(message, history):
-    # الواجهة متعددة الوسائط تعطينا رسالة كقاموس يحتوي على نص وملفات (صور)
-    text = message.get("text", "")
-    files = message.get("files", [])
-    
-    # قراءة الصور إذا تم رفعها
-    images = [Image.open(f).convert("RGB") for f in files] if files else None
-
-    # بناء سياق المحادثة (History)
-    conversation = []
-    for user_msg, bot_msg in history:
-        # إذا كانت الرسالة السابقة تحتوي على صورة (يتم تمريرها كـ Tuple في Gradio)
-        if isinstance(user_msg, tuple):
-            user_msg = "[صورة مرفقة]"
-        
-        conversation.append({"role": "user", "content": user_msg})
-        if bot_msg:
-            conversation.append({"role": "assistant", "content": bot_msg})
-
-    # إضافة رسالة المستخدم الحالية
-    # بعض النماذج تتطلب وضع وسم خاص بالصورة، لكننا سنفترض النص الافتراضي
-    conversation.append({"role": "user", "content": text if text else "[تحليل الصورة]"})
-
-    # تحضير المدخلات باستخدام القالب الخاص بالنموذج (Chat Template)
-    prompt = processor.apply_chat_template(conversation, tokenize=False, add_generation_prompt=True)
-    
-    # دمج النص والصور ومعالجتها للنموذج
-    inputs = processor(text=prompt, images=images, return_tensors="pt").to(model.device)
-
-    # 3. توليد الرد
-    with torch.no_grad():
-        outputs = model.generate(**inputs, max_new_tokens=1024)
-        
-    # استخراج النص المولد فقط (تجاهل نص الإدخال)
-    input_length = inputs["input_ids"].shape[-1]
-    response = processor.decode(outputs[0][input_length:], skip_special_tokens=True)
-    
-    return response
-
-# 4. بناء واجهة المستخدم باستخدام Gradio
-demo = gr.ChatInterface(
-    fn=chat_with_model,
-    multimodal=True, # تفعيل خيار رفع الصور
-    title="Gemma-4 Vision Chatbot",
-    description="واجهة دردشة متقدمة لنموذج `gijl/gemma-4-E4B-it`. يمكنك الدردشة النصية أو رفع صور ليقوم النموذج بتحليلها.",
-    theme=gr.themes.Soft(),
-    textbox=gr.MultimodalTextbox(placeholder="اكتب رسالتك هنا أو قم برفع صورة...", scale=7)
-)
-
-# تشغيل التطبيق
-if __name__ == "__main__":
-    demo.launch()