Update app.py

app.py

@@ -1,19 +1,32 @@
 import gradio as gr
-from transformers import AutoModelForCausalLM, AutoTokenizer
+from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig
+import torch
+
+# Настройка 4-битной квантизации
+quantization_config = BitsAndBytesConfig(
+    load_in_4bit=True,  
+    bnb_4bit_compute_dtype=torch.float16,  #
+    bnb_4bit_quant_type="nf4",  
+    bnb_4bit_use_double_quant=True 
+)
 
 # Загрузка модели и токенизатора
 model_name = "IlyaGusev/saiga_yandexgpt_8b"
 tokenizer = AutoTokenizer.from_pretrained(model_name)
-model = AutoModelForCausalLM.from_pretrained(model_name)
+model = AutoModelForCausalLM.from_pretrained(
+    model_name,
+    quantization_config=quantization_config,
+    device_map="auto" 
+)
 
 # Функция для генерации текста
 def generate_text(input_text):
-    inputs = tokenizer(input_text, return_tensors="pt")
+    inputs = tokenizer(input_text, return_tensors="pt")  # Перенос на GPU
     outputs = model.generate(
         **inputs,
-        max_new_tokens=300,  # Ограничение длины ответа
-        do_sample=True,      # Для разнообразия ответов
-        temperature=0.7      # Настройка "креативности"
+        max_new_tokens=300,  
+        do_sample=True,      
+        temperature=0.7     
     )
     return tokenizer.decode(outputs[0], skip_special_tokens=True)
 
@@ -22,8 +35,8 @@ interface = gr.Interface(
     fn=generate_text,
     inputs=gr.Textbox(lines=2, placeholder="Введите ваш запрос..."),
     outputs="text",
-    title="Saiga YandexGPT 8B Demo",
-    description="Задайте вопрос модели Saiga YandexGPT 8B!"
+    title="Saiga YandexGPT 8B Demo (4-bit)",
+    description="Задайте вопрос модели Saiga YandexGPT 8B в 4-битной квантизации!"
 )
 
 # Запуск приложения