Update app.py

app.py

@@ -1,17 +1,23 @@
+import dataset  # type: ignore
+from dataset import load_dataset #type: ignore 
 import transformers 
-from transformers import pipeline
-import gradio as gr
-import spaces 
+from transformers import TFAutoModelForSequenceClassification, AutoTokenizer
+
+model = TFAutoModelForSequenceClassification.from_pretrained("bert-base-uncased")
+tokenizer = AutoTokenizer.from_pretrained("bert-base-uncased")
+
+ds = load_dataset("stanfordnlp/sst2")
+
+sst2_dataset = load_dataset("glue", "sst2", split="train")
+
+
+def encode(examples):
+    return tokenizer(examples["sentence1"], examples["sentence2"], truncation=True, padding="max_length")
+
+
+sst2_dataset = sst2_dataset.map(encode, batched=True)
+sst2_dataset = sst2_dataset.map(lambda examples: {"labels": examples["label"]}, batched=True)
 
-@spaces.GPU
 
-# Charger le modèle pour la génération de texte
-pipe = pipeline("text-generation", model="MTSAIR/MultiVerse_70B")
 
-# Fonction pour générer une réponse à partir du message de l'utilisateur
-def generate_response(message):
-    response = pipe(message)
-    return response[0]['generated_text']
 
-# Configurer et lancer l'interface de chat avec Gradio
-gr.ChatInterface(fn=generate_response).launch()