File size: 22,165 Bytes
703a1fe |
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 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 |
#############################################################################################################################
# Filename : app.py
# Description: A Streamlit application to generate recipes given an image of a food and an image of ingredients.
# Author : Georgios Ioannou
#
# Copyright Β© 2024 by Georgios Ioannou
#############################################################################################################################
# Import libraries.
import openai # gpt-3.5-turbo model inference.
import os # Load environment variable(s).
import requests # Send HTTP GET request to Hugging Face models for inference.
import streamlit as st # Build the GUI of the application.
import torch # Load Salesforce/blip model(s) on GPU.
from dotenv import load_dotenv, find_dotenv # Read local .env file.
from langchain.chat_models import ChatOpenAI # Access to OpenAI gpt-3.5-turbo model.
from langchain.chains import LLMChain # Chain to run queries against LLMs.
# A prompt template. It accepts a set of parameters from the user that can be used to generate a prompt for a language model.
from langchain.prompts import PromptTemplate
from PIL import Image # Open and identify a given image file.
from transformers import BlipProcessor, BlipForQuestionAnswering # VQA model inference.
#############################################################################################################################
# Load environment variable(s).
load_dotenv(find_dotenv()) # Read local .env file.
HUGGINGFACEHUB_API_TOKEN = os.getenv("HUGGINGFACEHUB_API_TOKEN")
openai.api_key = os.getenv("OPENAI_API_KEY")
#############################################################################################################################
# Function to apply local CSS.
def local_css(file_name):
with open(file_name) as f:
st.markdown(f"<style>{f.read()}</style>", unsafe_allow_html=True)
#############################################################################################################################
# Load the Visual Question Answering (VQA) model directly.
# Using transformers.
@st.cache_resource
def load_model():
blip_processor_base = BlipProcessor.from_pretrained("Salesforce/blip-vqa-base")
blip_model_base = BlipForQuestionAnswering.from_pretrained(
"Salesforce/blip-vqa-base"
)
# Backup model.
# blip_processor_large = BlipProcessor.from_pretrained("Salesforce/blip-vqa-capfilt-large")
# blip_model_large = BlipForQuestionAnswering.from_pretrained("Salesforce/blip-vqa-capfilt-large")
# return blip_processor_large, blip_model_large
return blip_processor_base, blip_model_base
#############################################################################################################################
# General function for any Salesforce/blip model(s).
# VQA model.
def generate_answer_blip(processor, model, image, question):
# Prepare image + question.
inputs = processor(images=image, text=question, return_tensors="pt")
generated_ids = model.generate(**inputs, max_length=50)
generated_answer = processor.batch_decode(generated_ids, skip_special_tokens=True)
return generated_answer
#############################################################################################################################
# Generate answer from the Salesforce/blip model(s).
# VQA model.
@st.cache_resource
def generate_answer(image, question):
answer_blip_base = generate_answer_blip(
processor=blip_processor_base,
model=blip_model_base,
image=image,
question=question,
)
# answer_blip_large = generate_answer_blip(blip_processor_large, blip_model_large, image, question)
# return answer_blip_large
return answer_blip_base
#############################################################################################################################
# Detect ingredients on an image.
# Object detection model.
@st.cache_resource
def generate_ingredients(image):
API_URL = "https://api-inference.huggingface.co/models/facebook/detr-resnet-50"
headers = {"Authorization": f"Bearer {HUGGINGFACEHUB_API_TOKEN}"}
with open(image, "rb") as img:
data = img.read()
response = requests.post(url=API_URL, data=data, headers=headers)
ingredients = response.json()
return ingredients
#############################################################################################################################
# Return the recipe generated by the model for the food and ingredients detected by the previous models.
# Using Langchain.
@st.cache_resource
def generate_recipe(food, ingredients, chef):
# Model used here: "gpt-3.5-turbo".
# The template can be customized to meet one's needs such as:
# Generate a recipe, generate a scenario, and generate lyrics of a song.
template = """
You are a chef.
You must sound like {chef}.
You must make use of these ingredients: {ingredients}.
Generate a detailed recipe step by step based on the above constraints for this food: {food}.
"""
prompt = PromptTemplate(
template=template, input_variables=["food", "ingredients", "chef"]
)
recipe_llm = LLMChain(
llm=ChatOpenAI(
model_name="gpt-3.5-turbo", temperature=0
), # Increasing the temperature, the model becomes more creative and takes longer for inference.
prompt=prompt,
verbose=True, # Print intermediate values to the console.
)
recipe = recipe_llm.predict(
food=food, ingredients=ingredients, chef=chef
) # Format prompt with kwargs and pass to LLM.
return recipe
#############################################################################################################################
# Return the speech generated by the model for the recipe.
# Using inference api.
def generate_speech(response):
# Model used here: "facebook/mms-tts-eng".
# Backup model: "espnet/kan-bayashi_ljspeech_vits.
# API_URL = (
# "https://api-inference.huggingface.co/models/espnet/kan-bayashi_ljspeech_vits"
# )
API_URL = "https://api-inference.huggingface.co/models/facebook/mms-tts-eng"
headers = {"Authorization": f"Bearer {HUGGINGFACEHUB_API_TOKEN}"}
payload = {"inputs": response}
response = requests.post(url=API_URL, headers=headers, json=payload)
with open("audio.flac", "wb") as file:
file.write(response.content)
#############################################################################################################################
# Conversation with OpenAI gpt-3.5-turbo model.
def get_completion_from_messages(messages, model="gpt-3.5-turbo", temperature=0):
response = openai.ChatCompletion.create(
model=model,
messages=messages,
temperature=temperature, # This is the degree of randomness of the model's output.
)
# print(str(response.choices[0].message))
return response.choices[0].message["content"]
#############################################################################################################################
# Page title and favicon.
st.set_page_config(page_title="ChefBot | Recipe Generator/Assistant", page_icon="π΄")
#############################################################################################################################
# Load the Salesforce/blip model directly.
if torch.cuda.is_available():
device = torch.device("cuda")
# elif hasattr(torch.backends, "mps") and torch.backends.mps.is_available():
# device = torch.device("mps")
else:
device = torch.device("cpu")
blip_processor_base, blip_model_base = load_model()
blip_model_base.to(device)
#############################################################################################################################
# Define the chefs for the dropdown menu.
chefs = [
"Gordon Ramsay",
"Donald Trump",
"Cardi B",
]
#############################################################################################################################
# Main function to create the Streamlit web application.
def main():
try:
#####################################################################################################################
# Load CSS.
local_css("styles/style.css")
#####################################################################################################################
# Title.
title = f"""<h1 align="center" style="font-family: monospace; font-size: 2.1rem; margin-top: -4rem">
ChefBot - Recipe Generator/Assistant</h1>"""
st.markdown(title, unsafe_allow_html=True)
# st.title("ChefBot - Automated Recipe Assistant")
#####################################################################################################################
# Subtitle.
subtitle = f"""<h2 align="center" style="font-family: monospace; font-size: 1.5rem; margin-top: -2rem">
CUNY Tech Prep Tutorial 2</h2>"""
st.markdown(subtitle, unsafe_allow_html=True)
#####################################################################################################################
# Image.
image = "./ctp.png"
left_co, cent_co, last_co = st.columns(3)
with cent_co:
st.image(image=image)
#####################################################################################################################
# Heading 1.
heading1 = f"""<h3 align="center" style="font-family: monospace; font-size: 1.5rem; margin-top: 1rem">
Food</h3>"""
st.markdown(heading1, unsafe_allow_html=True)
#####################################################################################################################
# Upload an image.
uploaded_file_food = st.file_uploader(
label="Choose an image:",
key="food",
help="An image of the food that you want a recipe for.",
)
#####################################################################################################################
if uploaded_file_food is not None:
# Display the uploaded image.
bytes_data = uploaded_file_food.getvalue()
with open(uploaded_file_food.name, "wb") as file:
file.write(bytes_data)
st.image(
uploaded_file_food, caption="Uploaded Image.", use_column_width=True
)
raw_image = Image.open(uploaded_file_food.name).convert("RGB")
#################################################################################################################
# VQA model inference.
with st.spinner(
text="Detecting food..."
): # Spinner to keep the application interactive.
# Model inference.
answer = generate_answer(raw_image, "Is there a food in the picture?")[
0
]
if answer == "yes":
st.success(f"Food detected? {answer}", icon="β")
question = "What is the food in the picture?"
food = generate_answer(image=raw_image, question=question)[0]
st.success(f"Food detected: {food}", icon="β
")
#################################################################################################################
# Heading 2.
heading2 = f"""<h3 align="center" style="font-family: monospace; font-size: 1.5rem; margin-top: 1rem">
Ingredients</h3>"""
st.markdown(heading2, unsafe_allow_html=True)
#################################################################################################################
# Upload an image.
uploaded_file_ingredients = st.file_uploader(
label="Choose an image:",
key="ingredients",
help="An image of the ingredients that you want to use.",
)
#################################################################################################################
if uploaded_file_ingredients is not None:
# Display the uploaded image.
bytes_data = uploaded_file_ingredients.getvalue()
with open(uploaded_file_ingredients.name, "wb") as file:
file.write(bytes_data)
st.image(
uploaded_file_ingredients,
caption="Uploaded Image.",
use_column_width=True,
)
#############################################################################################################
# Object detection model inference.
with st.spinner(
text="Detecting Ingredients..."
): # Spinner to keep the application interactive.
# Model inference.
ingredients_list = generate_ingredients(
image=uploaded_file_ingredients.name
)
#############################################################################################################
# Display/Output the ingredients detected.
ingredients = []
st.success(f"Ingredients:", icon="π")
for i, ingredient_dict in enumerate(ingredients_list):
ingredients.append(ingredient_dict["label"])
st.write(i + 1, ingredient_dict["label"])
#############################################################################################################
# Heading 3.
heading3 = f"""<h3 align="center" style="font-family: monospace; font-size: 1.5rem; margin-top: 1rem">
ChefBot</h3>"""
st.markdown(heading3, unsafe_allow_html=True)
#############################################################################################################
# Dropdown menu.
chef = st.selectbox(
label="Select your chef:",
options=chefs,
help="Select your chef.",
)
#############################################################################################################
# Generate Recipe button
col1, col2, col3 = st.columns(3)
with col2:
button_recipe = st.button("Generate Recipe")
#############################################################################################################
if button_recipe:
#########################################################################################################
# Langchain + OpenAI gpt-3.5-turbo model inference.
with st.spinner(
text="Generating Recipe..."
): # Spinner to keep the application interactive.
# Model inference.
recipe = generate_recipe(
food=food, ingredients=ingredients, chef=chef
)
#########################################################################################################
# Storing the recipe in session storage for future runs.
st.session_state["recipe"] = recipe
#########################################################################################################
# Text to speech model inference.
with st.spinner(
text="Generating Audio..."
): # Spinner to keep the application interactive.
# Model inference.
generate_speech(response=recipe)
#########################################################################################################
# Display/Output the generated recipe in text and audio.
with st.expander(label="Recipe"):
st.write(recipe)
st.audio("audio.flac")
#########################################################################################################
# st.write(st.session_state)
#############################################################################################################
# Conversation with ChefBot.
if "recipe" in st.session_state:
#########################################################################################################
# Context for the ChefBot. Context is use to accumulate messages.
context = [
{
"role": "system",
"content": f"""
You are a ChefBot, an automated service to guide users on how to cook step by step.
You must sound like {chef}.
You must first greet the user.
You must help the user step by step with this recipe: {st.session_state['recipe']}.
After you have given all of the steps of the recipe,
you must thank the user and ask for user feedback both on the recipe and on your personality.
Do NOT repeat the steps of any recipe during the conversation with the user.""",
}
]
#########################################################################################################
# User input.
user_input = st.text_input(
label="User Input:",
key="user_input",
help="Follow up with the chef for any questions on the recipe.",
placeholder="Clarify step 1.",
)
#########################################################################################################
# Chat and Reset Chat buttons.
col1, col2, col3, col4, col5 = st.columns(5)
with col1:
button_chat = st.button("Chat")
with col5:
if st.button("Reset Chat"):
st.session_state.panels = []
user_input = False
#########################################################################################################
# Reverse the structure/way of displaying messages.
if "panels" not in st.session_state:
st.session_state.panels = []
#########################################################################################################
# If there is a user input or the chat button was clicked AND the input is not empty.
if (user_input or button_chat) and user_input != "":
# Context management.
prompt = user_input
context.append({"role": "user", "content": f"{prompt}"})
# OpenAI gpt-3.5-turbo model inference.
with st.spinner(text="Generating Response..."):
response = get_completion_from_messages(context)
# Text to speech model inference.
with st.spinner(text="Generating Audio..."):
generate_speech(response=response)
# Context management.
context.append({"role": "assistant", "content": f"{response}"})
# Appending the newly generated messages into the structure/way of displaying messages.
st.session_state.panels.append(("User:", prompt))
st.session_state.panels.append(("Assistant:", response))
#########################################################################################################
# Display/Output messages.
with st.expander("Conversation History", expanded=True):
for role, content in reversed(st.session_state.panels):
# User.
if role == "User:":
user = f"""<p align="left" style="font-family: monospace; font-size: 1rem;">
<b style="color:#dadada">π€{role}</b> {content}</p>"""
st.markdown(user, unsafe_allow_html=True)
# ChefBot.
else:
st.audio("audio.flac")
assistant = f"""<p align="left" style="font-family: monospace; font-size: 1rem;">
<b style="color:#dadada">π¨βπ³{chef}:</b> {content}</p>"""
st.markdown(assistant, unsafe_allow_html=True)
#############################################################################################################
except Exception as e:
# General exception/error handling.
st.error(e)
#############################################################################################################################
if __name__ == "__main__":
main()
|