Delete app.py

app.py

@@ -1,72 +0,0 @@
-import transformers
-import streamlit as st
-from transformers import GPT2LMHeadModel, GPT2Tokenizer
-import numpy as np
-from PIL import Image
-import torch
-
-st.title("""
- History Mistery
- """)
-# image = Image.open('data-scins.jpeg')
-
-# st.image(image, caption='Current mood')
-# Добавление слайдера
-temperature = st.slider("Градус дичи", 1.0, 20.0, 1.0)
-# Загрузка модели и токенизатора
-# model = GPT2LMHeadModel.from_pretrained('sberbank-ai/rugpt3small_based_on_gpt2')
-# tokenizer = GPT2Tokenizer.from_pretrained('sberbank-ai/rugpt3small_based_on_gpt2')
-# #Задаем класс модели (уже в streamlit/tg_bot)
-model = GPT2LMHeadModel.from_pretrained(
-     'sberbank-ai/rugpt3small_based_on_gpt2',
-     output_attentions = False,
-     output_hidden_states = False,
- )
-tokenizer = GPT2Tokenizer.from_pretrained(
-     'sberbank-ai/rugpt3small_based_on_gpt2',
-     output_attentions = False,
-     output_hidden_states = False,
- )
-
-# # Вешаем сохраненные веса на нашу модель
-model.load_state_dict(torch.load('model_history.pt',map_location=torch.device('cpu')))
-# Функция для генерации текста
-def generate_text(prompt):
-    # Преобразование входной строки в токены
-    input_ids = tokenizer.encode(prompt, return_tensors='pt')
-
-    # Генерация текста
-    output = model.generate(input_ids=input_ids, max_length=70, num_beams=5, do_sample=True,
-                            temperature=1.0, top_k=50, top_p=0.6, no_repeat_ngram_size=3,
-                            num_return_sequences=3)
-
-    # Декодирование сгенерированного текста
-    generated_text = tokenizer.decode(output[0], skip_special_tokens=True)
-
-    return generated_text
-
-# Streamlit приложение
-def main():
-    st.write("""
-    # GPT-3 генерация текста
-    """)
-
-    # Ввод строки пользователем
-    prompt = st.text_area("Какую фразу нужно продолжить:", value="В средние века на руси")
-
-    # # Генерация текста по введенной строке
-    # generated_text = generate_text(prompt)
-    # Создание кнопки "Сгенерировать"
-    generate_button = st.button("За работу!")
-    # Обработка события нажатия кнопки
-    if generate_button:
-    # Вывод сгенерированного текста
-        generated_text = generate_text(prompt)
-        st.subheader("Продолжение:")
-        st.write(generated_text)
-
-
-
-if __name__ == "__main__":
-    main()
-