import json
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

# Charger le modèle et le tokenizer
model_name = "AIDC-AI/Ovis1.6-Gemma2-9B"  # Remplacez par le nom de votre modèle
tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_name, trust_remote_code=True)

# Fonction d'initialisation
def init():
	global tokenizer, model
	tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
	model = AutoModelForCausalLM.from_pretrained(model_name, trust_remote_code=True)
	model.eval()  # Définir le modèle en mode évaluation

# Fonction de prédiction
def predict(data):
	inputs = data.get("inputs")
	if isinstance(inputs, str):
		inputs = tokenizer(inputs, return_tensors="pt")

	outputs = model.generate(**inputs)
	result = tokenizer.decode(outputs[0], skip_special_tokens=True)
	
	return json.dumps({"result": result})