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()