Update app.py

app.py

@@ -1,3 +1,37 @@
 import gradio as gr
+from transformers import AutoModelForSeq2SeqLM, AutoTokenizer
+
+# Charger le modèle Flan-T5-large et le tokenizer
+model_name = "google/flan-t5-large"
+model = AutoModelForSeq2SeqLM.from_pretrained(model_name)
+tokenizer = AutoTokenizer.from_pretrained(model_name)
+
+# Fonction pour générer le programme alimentaire
+def generer_programme(prompt):
+    # Préparer le prompt pour le modèle
+    input_ids = tokenizer(prompt, return_tensors="pt").input_ids
+    # Générer le texte avec le modèle Flan-T5-large
+    output = model.generate(input_ids, max_length=500, num_return_sequences=1)
+    # Décoder le texte généré
+    programme_alimentaire = tokenizer.decode(output[0], skip_special_tokens=True)
+    return programme_alimentaire
+
+# Créer une interface Gradio
+with gr.Blocks() as demo:
+    gr.Markdown("# Générateur de Programme Alimentaire avec Flan-T5-large")
+    
+    # Champ pour entrer le prompt de l'utilisateur
+    prompt_input = gr.Textbox(label="Prompt", placeholder="Décrivez les besoins nutritionnels et préférences ici")
+    
+    # Champ de sortie pour afficher le programme généré
+    result_output = gr.Textbox(label="Programme Alimentaire Généré")
+    
+    # Bouton pour déclencher la génération
+    generer_button = gr.Button("Générer le Programme")
+
+    # Associer le bouton à la fonction de génération
+    generer_button.click(generer_programme, inputs=prompt_input, outputs=result_output)
+
+# Lancer l'application Gradio
+demo.launch()
 
-gr.load("models/google/flan-t5-large").launch()