Update pages/gpt_v1.py

pages/gpt_v1.py

@@ -4,56 +4,6 @@ import torch
 import textwrap
 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://i.pinimg.com/originals/9f/57/bd/9f57bd45d33eb906fdb3d7ffe22e2058.png");
-background-size: 70%;
-background-position: top left;
-background-repeat: no-repeat;
-background-attachment: local;
-}}
-
-# [data-testid="stSidebar"] > div:first-child {{
-# background-image: url("https://catherineasquithgallery.com/uploads/posts/2021-02/1614542041_37-p-fon-belii-tekstura-43.jpg");
-# background-size: 100%;
-# 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.esravye0 {{
-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)
-
-
 st.markdown('## Генерация текста GPT-моделью')
 
 tokenizer = GPT2Tokenizer.from_pretrained('sberbank-ai/rugpt3small_based_on_gpt2')
@@ -63,44 +13,35 @@ model = GPT2LMHeadModel.from_pretrained(
     output_hidden_states = False,
 )
 # Вешаем сохраненные веса на нашу модель
-model.load_state_dict(torch.load('model.pt', map_location=torch.device('cpu')))
-
-
-col1, col2, col3 = st.columns([5, 2, 12])
-
-with col1:
-
-    length = st.slider('Длина генерируемой последовательности:', 8, 256, 16)
-    num_samples = st.slider('Число генераций:', 1, 10, 1)
-    temperature = st.slider('Температура:', 1.0, 10.0, 2.0)
-    top_k = st.slider('Количество наиболее вероятных слов генерации:', 10, 200, 50)
-    top_p = st.slider('Минимальная суммарная вероятность топовых слов:', 0.4, 1.0, 0.9)
-
-with col2:
-    pass
-
-with col3:
-
-    prompt = st.text_input('Введите текст:')
-
-    if st.button('Сгенерировать текст'):
-        
-        with torch.inference_mode():
-            prompt = tokenizer.encode(prompt, return_tensors='pt')
-            out = model.generate(
-                input_ids=prompt,
-                max_length=length,
-                num_beams=5,
-                do_sample=True,
-                temperature=temperature,
-                top_k=top_k,
-                top_p=top_p,
-                no_repeat_ngram_size=3,
-                num_return_sequences=num_samples,
-                ).cpu().numpy()
-            for i, out_ in enumerate(out):
-                st.write(f'Текст {i+1}:')
-                st.write(textwrap.fill(tokenizer.decode(out_), 100))
+model.load_state_dict(torch.load('models/modelgpt.pt', map_location=torch.device('cpu')))
+
+
+length = st.sidebar.slider('Длина генерируемой последовательности:', 8, 256, 15)
+num_samples = st.sidebar.slider('Число генераций:', 1, 10, 1)
+temperature = st.sidebar.slider('Температура:', 1.0, 10.0, 2.0)
+top_k = st.sidebar.slider('Количество наиболее вероятных слов генерации:', 10, 200, 50)
+top_p = st.sidebar.slider('Минимальная суммарная вероятность топовых слов:', 0.4, 1.0, 0.9)
+
+
+prompt = st.text_input('Введите текст 👇:')
+if st.button('Сгенерировать текст'):
+    
+    with torch.inference_mode():
+        prompt = tokenizer.encode(prompt, return_tensors='pt')
+        out = model.generate(
+            input_ids=prompt,
+            max_length=length,
+            num_beams=5,
+            do_sample=True,
+            temperature=temperature,
+            top_k=top_k,
+            top_p=top_p,
+            no_repeat_ngram_size=3,
+            num_return_sequences=num_samples,
+            ).cpu().numpy()
+        for i, out_ in enumerate(out):
+            st.write(f'Текст {i+1}:')
+            st.write(textwrap.fill(tokenizer.decode(out_), 100))