File size: 2,693 Bytes
3fe712e 42e0859 3fe712e 57da3c7 3fe712e 57da3c7 3fe712e 57da3c7 3fe712e 85fc09e 57da3c7 42e0859 85fc09e 42e0859 85fc09e 42e0859 57da3c7 42e0859 85fc09e 42e0859 57da3c7 42e0859 57da3c7 3fe712e 42e0859 |
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 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 |
#load package
from fastapi import FastAPI,HTTPException
from pydantic import BaseModel
import torch
from transformers import (
AutoModelForCausalLM,
AutoTokenizer,
StoppingCriteria,
StoppingCriteriaList,
TextIteratorStreamer
)
from typing import List, Tuple
from threading import Thread
import os
from pydantic import BaseModel
import logging
import uvicorn
# Configurer les répertoires de cache
os.environ['TRANSFORMERS_CACHE'] = '/app/.cache'
os.environ['HF_HOME'] = '/app/.cache'
# Charger le modèle et le tokenizer
model = AutoModelForCausalLM.from_pretrained("THUDM/longwriter-glm4-9b", trust_remote_code=True, device_map='auto')
tokenizer = AutoTokenizer.from_pretrained("THUDM/longwriter-glm4-9b", trust_remote_code=True)
#Additional information
Informations = """
-text : Texte à resumé
output:
- Text summary : texte resumé
"""
app =FastAPI(
title='Text Summary',
description =Informations
)
#class to define the input text
logging.basicConfig(level=logging.INFO)
logger =logging.getLogger(__name__)
@app.get("/")
async def home():
return 'STN BIG DATA'
# Charger le modèle et le tokenizer
model_name = "THUDM/longwriter-glm4-9b"
tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_name, trust_remote_code=True, device_map="auto")
# Prompt par défaut
default_prompt = """Vous êtes un assistant expert en résumé de plaintes. Votre tâche est de résumer la plainte fournie de manière concise et professionnelle, en incluant les points clés suivants :
1. Le problème principal
2. Les détails pertinents
3. L'impact sur le plaignant
4. Toute action ou résolution demandée
Résumez la plainte suivante en 3-4 phrases :
"""
class ComplaintInput(BaseModel):
text: str
@app.post("/summarize_complaint")
async def summarize_complaint(input: ComplaintInput):
try:
full_prompt = default_prompt + input.text
inputs = tokenizer(full_prompt, return_tensors="pt").to(model.device)
with torch.no_grad():
outputs = model.generate(
**inputs,
max_new_tokens=150,
num_return_sequences=1,
no_repeat_ngram_size=2,
temperature=0.7
)
summary = tokenizer.decode(outputs[0], skip_special_tokens=True)
# Enlever le prompt initial de la sortie
summary = summary.replace(full_prompt, "").strip()
return {"summary": summary}
except Exception as e:
raise HTTPException(status_code=500, detail=str(e))
if __name__ == "__main__":
uvicorn.run("app:app",reload=True) |