Update pages/✨third.py

pages/✨third.py

@@ -1,114 +1,72 @@
+import transformers
 import streamlit as st
-import base64
-import streamlit as st
-import plotly.express as px
-
-df = px.data.iris()
-
-@st.cache_data
-def get_img_as_base64(file):
-    with open(file, "rb") as f:
-        data = f.read()
-    return base64.b64encode(data).decode()
-
-
-#img = get_img_as_base64("https://catherineasquithgallery.com/uploads/posts/2021-02/1612739741_65-p-goluboi-fon-tsifri-110.jpg")
-
-page_bg_img = f"""
-<style>
-[data-testid="stAppViewContainer"] > .main {{
-background-image: url("https://wallpapercave.com/wp/wp11966930.jpg");
-background-size: 115%;
-background-position: top left;
-background-repeat: no-repeat;
-background-attachment: local;
-}}
-
-[data-testid="stSidebar"] > div:first-child {{
-background-image: url("https://ibb.co/ZBkdJRg");
-background-size: 115%;
-background-position: center; 
-background-repeat: no-repeat;
-background-attachment: fixed;
-}}
-
-[data-testid="stHeader"] {{
-background: rgba(0,0,0,0);
-}}
-
-[data-testid="stToolbar"] {{
-right: 2rem;
-}}
-
-div.css-1n76uvr.e1tzin5v0 {{
-background-color: rgba(238, 238, 238, 0.5);
-border: 10px solid #EEEEEE;
-padding: 5% 5% 5% 10%;
-border-radius: 5px;
-}}
-
-</style>
-"""
-st.markdown(page_bg_img, unsafe_allow_html=True)
-
-import tensorflow as tf
-from tensorflow import keras
+from transformers import GPT2LMHeadModel, GPT2Tokenizer
 import numpy as np
-import matplotlib.pyplot as plt
-
-################################################################################################
-#Тут нужно будет добаить модель. Ниже пример:
-
-# # Загрузка модели
-# model = keras.models.load_model('cgan_model.h5')
-
-# # Задание размерностей входных данных модели
-# latent_dim = 128
-# num_classes = 10
-
-# # Функция для генерации изображения
-# def generate_image(number):
-#     random_latent_vector = tf.random.normal(shape=(1, latent_dim))
-#     one_hot_label = tf.one_hot([number], num_classes)
-#     input_data = tf.concat([random_latent_vector, one_hot_label], axis=1)
-
-#     generated_image = model.predict(input_data)
-#     generated_image = generated_image.reshape(28, 28)
-#     generated_image = tf.image.resize(generated_image[None, ...], (28, 28))[0]  # Добавлено [None, ...] для добавления измерения
-#     return generated_image
-
-################################################################################################
-
-#Оформление
-
-col1, col2, col3 = st.columns([1,5,1])
-with col2:
-
-    st.title('Название модели')
-    
-col1, col2, col3 = st.columns([2,5,2])
-with col2:
-
-    number = st.slider('Выберите число:', 0, 9, step=1)
-
-################################################################################################  
-# Часть, отображаемая на странице
-
-#     number = st.slider('Выберите число:', 0, 9, step=1)
-
-
-#  #col1.subheader("Гистограмма total_bill:")
-
-#     # Генерация и отображение изображения
-#     generated_image = generate_image(number)
-#     generated_image_np = generated_image.numpy()  # Преобразование в массив NumPy
-#     fig, ax = plt.subplots()
-#     ax.scatter([1, 2], [1, 2], color='black')
-#     plt.imshow(generated_image_np, cmap='gray')
-#     plt.axis('off')
-#     fig.set_size_inches(3, 3)
-#     st.pyplot(fig)
+from PIL import Image
+import torch
+
+st.title("""
+ History Mistery
+ """)
+# image = Image.open('data-scins.jpeg')
+
+# st.image(image, caption='Current mood')
+# Добавление слайдера
+temperature = st.slider("Градус дичи", 1.0, 20.0, 1.0)
+# Загрузка модели и токенизатора
+# model = GPT2LMHeadModel.from_pretrained('sberbank-ai/rugpt3small_based_on_gpt2')
+# tokenizer = GPT2Tokenizer.from_pretrained('sberbank-ai/rugpt3small_based_on_gpt2')
+# #Задаем класс модели (уже в streamlit/tg_bot)
+model = GPT2LMHeadModel.from_pretrained(
+     'sberbank-ai/rugpt3small_based_on_gpt2',
+     output_attentions = False,
+     output_hidden_states = False,
+ )
+tokenizer = GPT2Tokenizer.from_pretrained(
+     'sberbank-ai/rugpt3small_based_on_gpt2',
+     output_attentions = False,
+     output_hidden_states = False,
+ )
+
+# # Вешаем сохраненные веса на нашу модель
+model.load_state_dict(torch.load('model_history.pt',map_location=torch.device('cpu')))
+# Функция для генерации текста
+def generate_text(prompt):
+    # Преобразование входной строки в токены
+    input_ids = tokenizer.encode(prompt, return_tensors='pt')
+
+    # Генерация текста
+    output = model.generate(input_ids=input_ids, max_length=70, num_beams=5, do_sample=True,
+                            temperature=1.0, top_k=50, top_p=0.6, no_repeat_ngram_size=3,
+                            num_return_sequences=3)
+
+    # Декодирование сгенерированного текста
+    generated_text = tokenizer.decode(output[0], skip_special_tokens=True)
+
+    return generated_text
+
+# Streamlit приложение
+def main():
+    st.write("""
+    # GPT-3 генерация текста
+    """)
+
+    # Ввод строки пользователем
+    prompt = st.text_area("Какую фразу нужно продолжить:", value="В средние века на руси")
+
+    # # Генерация текста по введенной строке
+    # generated_text = generate_text(prompt)
+    # Создание кнопки "Сгенерировать"
+    generate_button = st.button("За работу!")
+    # Обработка события нажатия кнопки
+    if generate_button:
+    # Вывод сгенерированного текста
+        generated_text = generate_text(prompt)
+        st.subheader("Продолжение:")
+        st.write(generated_text)
+
+
+
+if __name__ == "__main__":
+    main()
 
-################################################################################################ 
-#st.markdown("<div style='text-align: center; font-size: 25px;'> ", unsafe_allow_html=True)
-#st.markdown("<div style='text-align: center; font-size: 25px;'> ", unsafe_allow_html=True)