Update app.py

app.py

@@ -1,6 +1,6 @@
 import gradio as gr
-from transformers import AutoProcessor, AutoModelForCausalLM
-import os  # os modülünü içe aktarıyoruz
+from transformers import AutoProcessor, AutoModelForVisionText2Text
+import os
 import torch
 
 # Hugging Face tokeninizi çevresel değişkenden alın
@@ -10,25 +10,33 @@ if not hf_token:
 
 # Model ve işlemciyi yükleyin
 model_name = "meta-llama/Llama-3.2-90B-Vision-Instruct"
-processor = AutoProcessor.from_pretrained(model_name)
-model = AutoModelForCausalLM.from_pretrained(model_name)
+processor = AutoProcessor.from_pretrained(model_name, use_auth_token=hf_token)
+model = AutoModelForVisionText2Text.from_pretrained(
+    model_name,
+    use_auth_token=hf_token,
+    device_map="auto",
+    torch_dtype=torch.float16
+)
 
 def predict(image, text):
-    # Girdileri işleyin
-    inputs = processor(images=image, text=text, return_tensors="pt")
+    # Girdileri işleyin ve cihazı ayarlayın
+    inputs = processor(images=image, text=text, return_tensors="pt").to(model.device)
     # Modelden yanıt alın
-    outputs = model.generate(**inputs)
+    outputs = model.generate(**inputs, max_new_tokens=100)
     # Çıktıyı çözümleyin
-    response = processor.decode(outputs[0], skip_special_tokens=True)
+    response = processor.batch_decode(outputs, skip_special_tokens=True)[0]
     return response
 
 # Gradio arayüzünü tanımlayın
 interface = gr.Interface(
     fn=predict,
-    inputs=["image", "text"],
-    outputs="text",
+    inputs=[
+        gr.Image(type="pil", label="Görüntü Girdisi"),
+        gr.Textbox(label="Metin Girdisi")
+    ],
+    outputs=gr.Textbox(label="Çıktı"),
     title="Llama 3.2 90B Vision Instruct Demo",
     description="Bir görüntü ve metin girdisi alarak yanıt üreten model."
 )
 
-interface.launch()
+interface.launch()