File size: 2,510 Bytes
193a8a4 |
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 |
import gradio as gr
from transformers import AutoTokenizer, AutoModelForCausalLM, set_seed, pipeline
title = "Gerador de Código"
description = "Este é um espaço para converter texto em inglês para código Python usando o modelo [codeparrot-small-text-to-code](https://huggingface.co/codeparrot/codeparrot-small-text-to-code),\
um modelo de geração de código Python pré-treinado em um conjunto de dados de docstrings e código Python extraído de notebooks Jupyter disponível em [github-jupyter-text](https://huggingface.co/datasets/codeparrot/github-jupyter-text)."
example = [
["Função de utilidade para calcular a precisão de predições usando métricas do sklearn", 65, 0.6, 42],
["Vamos implementar uma função que calcula o tamanho de um arquivo chamado filepath", 60, 0.6, 42],
["Vamos implementar o algoritmo de ordenação Bubble Sort em uma função auxiliar:", 87, 0.6, 42],
]
# Altere o modelo para o modelo pré-treinado
tokenizer = AutoTokenizer.from_pretrained("codeparrot/codeparrot-small-text-to-code")
model = AutoModelForCausalLM.from_pretrained("codeparrot/codeparrot-small-text-to-code")
def criar_docstring(gen_prompt):
return "\"\"\"\n" + gen_prompt + "\n\"\"\"\n\n"
def gerar_codigo(gen_prompt, max_tokens, temperatura=0.6, seed=42):
set_seed(seed)
pipe = pipeline("text-generation", model=model, tokenizer=tokenizer)
prompt = criar_docstring(gen_prompt)
generated_text = pipe(prompt, do_sample=True, top_p=0.95, temperature=temperatura, max_new_tokens=max_tokens)[0]['generated_text']
return generated_text
iface = gr.Interface(
fn=gerar_codigo,
inputs=[
gr.Textbox(label="Instruções em inglês", placeholder="Digite as instruções em inglês..."),
gr.inputs.Slider(
minimum=8,
maximum=256,
step=1,
default=8,
label="Número de tokens para gerar",
),
gr.inputs.Slider(
minimum=0,
maximum=2.5,
step=0.1,
default=0.6,
label="Temperatura",
),
gr.inputs.Slider(
minimum=0,
maximum=1000,
step=1,
default=42,
label="Semente aleatória para a geração"
)
],
outputs=gr.Code(label="Código Python gerado", language="python", lines=10),
examples=example,
layout="horizontal",
theme="peach",
description=description,
title=title
)
iface.launch()
|