Delete app.py

app.py

@@ -1,51 +0,0 @@
-import gradio as gr
-from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline, TextIteratorStreamer
-import torch
-import os
-from threading import Thread # ضرورية تقنياً لعمل سطر البث ولا تستهلك ذاكرة
-
-model_name = "gijl/gemma-4-E2B-it" 
-
-tokenizer = AutoTokenizer.from_pretrained(model_name)
-
-# تحميل النموذج مرة واحدة (هنا سيبقى الاستهلاك ثابت عند 9 جيجا)
-model = AutoModelForCausalLM.from_pretrained(model_name, 
-                                             torch_dtype=torch.float16, 
-                                             device_map="auto")
-
-# نمرر الكائن model لكي لا يتم تحميله مرتين في الذاكرة
-pipe = pipeline("text-generation", model=model, tokenizer=tokenizer)
-
-def generate_response(message, history):
-    # تنسيق الرسائل بشكل بسيط لضمان استجابة النموذج
-    messages = [
-        {"role": "system", "content": "Você é ELIZA, uma terapeuta que responde com empatia."},
-        {"role": "user", "content": message}
-    ]
-
-    # 1. سطر إعداد البث
-    streamer = TextIteratorStreamer(tokenizer, skip_prompt=True, skip_special_tokens=True)
-    
-    # تحويل النص لـ Tokens
-    inputs = tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt").to(model.device)
-    
-    # 2. إعداد المعطيات
-    generation_kwargs = dict(input_ids=inputs, streamer=streamer, max_new_tokens=150, temperature=0.7)
-    
-    # 3. تشغيل المعالج في الخلفية (لكي لا يتوقف الكود عن الرد)
-    thread = Thread(target=model.generate, kwargs=generation_kwargs)
-    thread.start()
-
-    # 4. السطر المطلوب لتفعيل البث المباشر
-    partial_text = ""
-    for new_text in streamer:
-        partial_text += new_text
-        yield partial_text # هذا السطر هو الذي "يدفع" الكلمات للواجهة فوراً
-
-demo = gr.ChatInterface(
-    generate_response,
-    title="ELIZA (Streaming Mode)",
-    description="البث مفعل والذاكرة مستقرة."
-)
-
-demo.launch()