Spaces:
Runtime error
Runtime error
File size: 2,648 Bytes
597bf7d |
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 |
import streamlit as st
from datasets import Dataset
from subpages.page import Context, Page # type: ignore
from utils import device, explode_df, htmlify_labeled_example, tag_text
class FaissPage(Page):
name = "Bla"
icon = "x-octagon"
def render(self, context: Context):
dd = Dataset.from_pandas(context.df_tokens_merged, preserve_index=False) # type: ignore
dd.add_faiss_index(column="hidden_states", index_name="token_index")
token_id, text = (
6,
"Die Wissenschaft ist eine wichtige Grundlage für die Entwicklung von neuen Technologien.",
)
token_id, text = (
15,
"Außer der unbewussten Beeinflussung eines Resultats gibt es auch noch andere Motive die das reine strahlende Licht der Wissenschaft etwas zu trüben vermögen.",
)
token_id, text = (
3,
"Mit mehr Instrumenten einer besseren präziseren Datenbasis ist auch ein viel besseres smarteres Risikomanagement möglich.",
)
token_id, text = (
7,
"Es gilt die akademische Viertelstunde das heißt Beginn ist fünfzehn Minuten später.",
)
token_id, text = (
7,
"Damit einher geht übrigens auch dass Marcella Collocinis Tochter keine wie auch immer geartete strafrechtliche Verfolgung zu befürchten hat.",
)
token_id, text = (
16,
"After Steve Jobs met with Bill Gates of Microsoft back in 1993, they went to Cupertino and made the deal.",
)
tagged = tag_text(text, context.tokenizer, context.model, device)
hidden_states = tagged["hidden_states"]
# tagged.drop("hidden_states", inplace=True, axis=1)
# hidden_states_vec = svd.transform([hidden_states[token_id]])[0].astype(np.float32)
hidden_states_vec = hidden_states[token_id]
tagged = tagged.astype(str)
tagged["probs"] = tagged["probs"].apply(lambda x: x[:-2])
tagged["check"] = tagged["probs"].apply(
lambda x: "✅ ✅" if int(x) < 100 else "✅" if int(x) < 1000 else ""
)
st.dataframe(tagged.drop("hidden_states", axis=1).T)
results = dd.get_nearest_examples("token_index", hidden_states_vec, k=10)
for i, (dist, idx, token) in enumerate(
zip(results.scores, results.examples["ids"], results.examples["tokens"])
):
st.code(f"{dist:.3f} {token}")
sample = context.df_tokens_merged.query(f"ids == '{idx}'")
st.write(f"[{i};{idx}] " + htmlify_labeled_example(sample), unsafe_allow_html=True)
|