File size: 10,075 Bytes
1c99a10
 
 
 
 
 
 
 
 
 
 
 
 
 
 
6829c21
1c99a10
 
 
 
8903e3f
1c99a10
 
 
 
 
7e42c92
1c99a10
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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
# -*- coding: utf-8 -*-
"""Gradio_GPT_bot.ipynb

Automatically generated by Colaboratory.

Original file is located at
    https://colab.research.google.com/drive/18CH6wtcr46hWqBqpzieH_oBOmJHecOVl

# Imports
"""

# Commented out IPython magic to ensure Python compatibility.
# %%capture
# # установка gradio для написания веб интерефейса
# # установка transformers для использования языковых моделей с платформы HF
#!pip install gradio transformers

import random
import time
from typing import List, Dict, Tuple, Union
#from IPython import display

import gradio as gr
import torch
import transformers



"""# Tokenizer and Model

**Инициализация модели**  
Страница модели  
https://huggingface.co/ai-forever/rugpt3medium_based_on_gpt2
"""

from transformers import pipeline
from transformers import AutoTokenizer, AutoModelForCausalLM, GenerationConfig

# # инициализация через pipeline
# model_name = "ai-forever/rugpt3medium_based_on_gpt2"
# pipe = pipeline("text-generation", model=model_name)
# sample = pipeline('test test', pad_token_id=generator.tokenizer.eos_token_id)

model_name = "ai-forever/rugpt3medium_based_on_gpt2"
model = AutoModelForCausalLM.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)
tokenizer.pad_token_id = tokenizer.eos_token_id

DEVICE = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model = model.to(DEVICE)

"""Генерация текста"""

# Commented out IPython magic to ensure Python compatibility.
# %%time
# 
# # токенизация текста в индексы токенов и маски внимания
# text_promt = 'меня засосала опасная трясина '
# inputs = tokenizer(text_promt, return_tensors="pt").to(DEVICE)
# 
# # конфиг словарь для генерации текста
# gen_config_dict = dict(
#                     do_sample=True,  # делать ли случайное семплирование с параметрами ниже (если False то выскочит предупреждение)
#                     max_new_tokens=30,  # сколько максимум новых токенов надо генерировать
#                     top_k=50,  # семплировать только из top_k самых вероятных токенов
#                     top_p=0.9,  # семплировать только из токенов сумма вероятностей которых не больше top_p
#                     temperature=2.0,  # температура для софтмакса
#                     num_beams=3,  # параметр алгоритма Beam search
#                     repetition_penalty=2.0,  # штраф за то что модель повторяется
#                     pad_token_id=tokenizer.pad_token_id,  # установить токен pad чтобы не было предупреждения
#                     )
# # конфиг для генерации текста из словаря
# generation_config = GenerationConfig(**gen_config_dict)
# 
# # генерация текста (индексы токенов)
# output = model.generate(**inputs, generation_config=generation_config)
# 
# # сопостовление идексам токенов слов из словаря токенайзера
# generated_text = tokenizer.decode(output[0], skip_special_tokens=False)
# 
# # удаление исходного промта из ответа потому что он тоже возвращается
# generated_text = generated_text[len(text_promt):]
# generated_text

"""Функция для генерации"""

# функция принимает текстовый запрос и словарь параметров генерации
def generate_text(text_promt: str, gen_config_dict: Dict[str, Union[float, int]]) -> str:
    inputs = tokenizer(text_promt, return_tensors="pt").to(DEVICE)
    generation_config = GenerationConfig(**gen_config_dict)
    output = model.generate(**inputs, pad_token_id=tokenizer.eos_token_id, generation_config=generation_config)
    generated_text = tokenizer.decode(output[0], skip_special_tokens=True)
    generated_text = generated_text[len(text_promt):]
    return generated_text


# конфиг словарь для генерации текста
gen_config_dict = dict(
                    do_sample=True,  # делать ли случайное семплирование с параметрами ниже (если False то выскочит предупреждение)
                    max_new_tokens=20,  # сколько максимум новых токенов надо генерировать
                    top_k=50,  # семплировать только из top_k самых вероятных токенов
                    top_p=0.9,  # семплировать только из токенов сумма вероятностей которых не больше top_p
                    temperature=2.0,  # температура для софтмакса
                    num_beams=3,  # параметр алгоритма Beam search
                    repetition_penalty=2.0,  # штраф за то что модель повторяется
                    pad_token_id=tokenizer.pad_token_id,  # установить токен pad чтобы не было предупреждения
                    )


text_promt = 'в небесной канцелярии выходной'
generated_text = generate_text(text_promt, gen_config_dict)
generated_text

"""# Gradio App

## Новый интерфейс Чат-бота

Вариант с системным промтом и разными входными аргументами и настройками
"""

import gradio as gr

# функция будет вызыватся при нажатии на Enter в окошке вовода текста
# кроме обычных аргументов - сообщения пользователя и истории - принимает еще параметры для конфига генерации
def generate(message, history, *components):
    # print(system_promt)
    # обновление словаря новыми агрументами и создание конфига генерации текста
    gen_config.update(dict(zip(gen_config.keys(), components)))
    gen_config['top_k'] = int(gen_config['top_k'])
    gen_config['num_beams'] = int(gen_config['num_beams'])
    generation_config = GenerationConfig(**gen_config)

    # добавить системный промт в начало запроса и сгенерировать текст
    promt = message
    inputs = tokenizer(promt, return_tensors="pt").to(DEVICE)
    output = model.generate(**inputs, generation_config=generation_config, pad_token_id=tokenizer.eos_token_id)
    generated_text = tokenizer.decode(output[0], skip_special_tokens=True)
    generated_text = generated_text[len(promt):]
    # имитация набора сообщения чат-ботом (посимвольня генерация через yield в цикле)
    for i in range(len(generated_text)):
        time.sleep(0.05)  # задержка с которой бот вводит текст
        yield generated_text[:i+1]

# словарь для конфига генерации текста
gen_config = dict(
            do_sample=False,
            max_length=60,
            top_k=50,
            top_p=0.9,
            temperature=2.0,
            num_beams=3,
            repetition_penalty=2.0,
            )


# компоненты настройки конфига генерации текста
components = [
    gr.Checkbox(label="do_sample", value=gen_config["do_sample"]),
    gr.Slider(label="max_length", value=gen_config["max_length"], minimum=1, maximum=300, step=10),
    gr.Number(label="top_k", value=gen_config["top_k"], minimum=0, maximum=50, step=10),
    gr.Number(label="top_p", value=gen_config["top_p"], minimum=0, maximum=1, step=0.1),
    gr.Number(label="temperature", value=gen_config["temperature"], minimum=0, maximum=10, step=0.1),
    gr.Number(label="num_beams", value=gen_config["num_beams"], minimum=0, maximum=5, step=1),
    gr.Number(label="repetition_penalty", value=gen_config["repetition_penalty"], minimum=0, maximum=5, step=0.1),
        ]

# при нажатии Enter в чате будет вызыватся функция generate
interface = gr.ChatInterface(
            generate,
            chatbot=gr.Chatbot(height=300),  # вход для функции generate: message
            textbox=gr.Textbox(placeholder="Задайте любой вопрос", container=False, scale=2),  # выходной бокс для текста

            # дополнительные входы для функции generate (*components)
            additional_inputs=components,

            # настройки оформления
            title="Чат-бот T10",  # название страницы
            description="Окно переписки с ботом",  # описание окошка переписки
            theme="Glass",  # темы: Glass, Monochrome, Soft
            # examples=["Hello", "Am I cool?", "Are tomatoes vegetables?"],  # примеры должны быть множественными если аргументов много
            # cache_examples=True,  # кешировать примеры

            # дполнительные кнопки (если не нужна какая либо кнопка ставим None)
            submit_btn='Отправить',
            retry_btn='Повторить вопрос',
            undo_btn="Удалить предыдущий вопрос",
            clear_btn="Очистить историю",
)