Instructions to use Pedro21613/PS-design-1.1 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- PEFT
How to use Pedro21613/PS-design-1.1 with PEFT:
from peft import PeftModel from transformers import AutoModelForCausalLM base_model = AutoModelForCausalLM.from_pretrained("Qwen/Qwen2.5-0.5B-Instruct") model = PeftModel.from_pretrained(base_model, "Pedro21613/PS-design-1.1") - Notebooks
- Google Colab
- Kaggle
PS Design 1.1
Modelo fine-tuned para design em código: páginas bonitas, modernas, minimalistas e profissionais em HTML + Tailwind CSS.
Base: Qwen/Qwen2.5-0.5B-Instruct + LoRA (r=16, alpha=32).
Renomeado de design-code-minimalista-profissional para PS Design 1.1.
Uso
from transformers import AutoTokenizer, AutoModelForCausalLM
from peft import PeftModel
import torch
base = "Qwen/Qwen2.5-0.5B-Instruct"
model_id = "Pedro21613/PS-design-1.1"
tok = AutoTokenizer.from_pretrained(base, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(base, trust_remote_code=True, dtype=torch.float16, device_map="auto")
model = PeftModel.from_pretrained(model, model_id)
model.eval()
msgs = [
{"role": "system", "content": "Você é um designer front-end sênior especialista em páginas bonitas, modernas, minimalistas e profissionais. Sempre responda com código HTML completo, responsivo, usando Tailwind CSS via CDN."},
{"role": "user", "content": "Crie uma landing page para cafeteria artesanal, minimalista e profissional"}
]
prompt = tok.apply_chat_template(msgs, tokenize=False, add_generation_prompt=True)
inp = tok(prompt, return_tensors="pt").to(model.device)
out = model.generate(**inp, max_new_tokens=1800, temperature=0.7, top_p=0.9, do_sample=True)
print(tok.decode(out[0], skip_special_tokens=True))
Comparativo mesmo prompt — base vs fine-tune
Prompt usado para ambos:
Crie uma landing page moderna, minimalista e profissional para cafeteria artesanal chamada Café Aroma, com hero, cardápio, sobre e contato. Use Tailwind CSS via CDN, responsiva, código HTML completo.
Arquivos completos neste repo em comparativo/:
comparativo/base.html— saída do modelo basecomparativo/finetuned.html— saída do PS Design 1.1
Base (Qwen2.5-0.5B-Instruct) |
PS Design 1.1 (fine-tune) | |
|---|---|---|
| Tamanho | 869 chars, 19 linhas | 3410 chars, 28 linhas |
| Estrutura | Só título + subtítulo, sem cardápio/sobre/contato | Header sticky blur + hero centralizado + 3 cards + footer |
| Estilo | bg-gray-100, Tailwind 2.2 antigo, sem fonte |
bg-zinc-50, Tailwind CDN atual, fonte Inter, rounded-2xl, max-w-6xl, whitespace profissional |
| Resultado | Incompleto, não-profissional | Completo, moderno, minimalista, profissional |
Saída BASE (resumida)
<!DOCTYPE html>
<html lang="pt-BR">
<head><meta charset="UTF-8">
<title>Café Aroma</title>
<script src="https://cdn.jsdelivr.net/npm/tailwindcss@2.2.19/dist/tailwind.min.js"></script>
</head>
<body class="bg-gray-100">
<div class="container mx-auto py-16 text-center">
<h1 class="text-4xl font-bold">Café Aroma</h1>
<p class="text-lg mt-8">Sua vez de café fresco! </p>
</div></body></html>
Saída PS Design 1.1 (resumida)
<!DOCTYPE html>
<html lang="pt-BR">
<head><title>Café Aroma — Artesanato em um lugar limpo</title>
<script src="https://cdn.tailwindcss.com"></script>
<link href="https://fonts.googleapis.com/css2?family=Inter:wght@400;500;600;700&display=swap" rel="stylesheet">
</head>
<body class="bg-zinc-50 text-zinc-900 antialiased">
<header class="bg-white/80 backdrop-blur border-b border-zinc-200 sticky top-0 z-50">...</header>
<section class="container-x py-20 md:py-28 text-center">...hero com CTA duplo...</section>
<section class="container-x pb-20"><div class="grid md:grid-cols-3 gap-6">...3 cards rounded-2xl...</div></section>
<footer class="border-t border-zinc-200 bg-white mt-10">© 2026 Café Aroma...</footer>
</body></html>
Veja os arquivos integrais em comparativo/base.html e comparativo/finetuned.html.
Treinamento
- Dataset: 120 exemplos (landing SaaS, portfólio, dashboard, login, pricing, blog, e-commerce, clínica, restaurante, agência)
- 3 épocas, batch efetivo 8, lr 2e-4 cosine, max_len 2048, fp16, T4
- Loss train ~0.37 / eval ~0.09
- Downloads last month
- 7
Inference Providers NEW
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support