Spaces:
Sleeping
Sleeping
File size: 2,245 Bytes
a5d29f3 bb2cc27 ece4f2b a5d29f3 0096c49 a5d29f3 ece4f2b a5d29f3 ece4f2b a5d29f3 29771a3 a5d29f3 b3bb32b a5d29f3 29771a3 a5d29f3 29771a3 a5d29f3 a9ebf4a |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 |
import os
import gradio as gr
import pandas as pd
from transformers import GPT2Tokenizer, GPT2LMHeadModel
# Carregando o modelo e o tokenizador do GPT-2
tokenizer = GPT2Tokenizer.from_pretrained('gpt2')
model = GPT2LMHeadModel.from_pretrained('gpt2')
processing = False
df = pd.read_csv('anomalies.csv')
def response(question, history):
global processing
processing = True
if tokenizer.pad_token is None:
tokenizer.pad_token = tokenizer.eos_token
prompt = f"Considerando os dados: {df.to_string(index=False)}. Pergunta: {question} Resposta:"
inputs = tokenizer(prompt, return_tensors='pt', padding='max_length', truncation=True, max_length=512)
attention_mask = inputs['attention_mask']
input_ids = inputs['input_ids']
generated_ids = model.generate(
input_ids,
attention_mask=attention_mask,
max_length=len(input_ids[0]) + 100, # Aumentar o limite de geração
temperature=0.65, # Ajustar a criatividade
top_p=0.9, # Usar nucleus sampling
no_repeat_ngram_size=2 # Evitar repetições desnecessárias
)
generated_text = tokenizer.decode(generated_ids[0], skip_special_tokens=True)
# Processando para extrair apenas a resposta após "Resposta:"
response_part = generated_text.split("Resposta:")[1] if "Resposta:" in generated_text else "Resposta não encontrada."
# Limpeza adicional para remover qualquer texto indesejado após a resposta
final_response = response_part.split(".")[0] + "." # Isso assume que a resposta termina na primeira sentença.
history.append((question, final_response))
processing = False
return "", history
def loading():
return "Carregando ..."
with gr.Blocks() as app:
with gr.Column(elem_id="column_container"):
chatbot = gr.Chatbot([], elem_id="chatbot")
with gr.Column():
send = gr.Label(value="Escreva sua QUESTÃO abaixo e pressione ENTER")
query = gr.Textbox(
label="Escreva sua questão aqui:",
placeholder="Sobre o que você quer saber?",
)
clear = gr.ClearButton([query, chatbot])
query.submit(response, [query, chatbot], [query, chatbot], queue=True)
app.launch() |