import os import gradio as gr from gradio.components import Slider import torch from transformers import pipeline # Model, information and examples ---------------------------------------------- MODEL_NAMES = ["FLOR-1.3B-GL","Cerebras-1.3B-GL"] model_id = "proxectonos/FLOR-1.3B-GL" title = "Modelo de xeración de texto FLOR-1.3B-GL" markdown_description = """ # FLOR-1.3B-GL 💐 **[FLOR-1.3B-GL](https://huggingface.co/proxectonos/FLOR-1.3B-GL)** is a 1.3B parameters multilingual LLM for Galician language. 👀 **Learn more about FLOR-1.3B:** [HF official model card](https://huggingface.co/proxectonos/FLOR-1.3B-GL) and the [Proxecto Nós](https://nos.gal/en/proxecto-nos). """ short_prompts_examples = [ ["A receita tradicional das filloas é"], ["O neno vivía preto de"] ] few_shot_prompts_examples = [ ["Responde á seguinte pregunta. \nPregunta: \"Cal é a capital de Noruega? \"\nResposta: \"A capital de Noruega é Oslo.\"\n---- \nResponde á seguinte pregunta.\nPregunta: \"Cal é a moeda de Portugal\" \nResposta: \"A moeda de Portugal é o euro.\" \n---- \nResponde á seguinte pregunta. \nPregunta: \"Cal é a capital de Suecia?\"\nResposta:"], ["Extrae as entidades nomeadas do seguinte texto: \nTexto: \"Chámome Wolfgang e vivo en Berlin\" \nEntidades: Wolfgang:PER, Berlin:LOC \n ---- \nExtrae as entidades nomeadas do seguinte texto: \nTexto: \"María e Miguel non teñen ningún problema\" \nEntidades: María:PER, Miguel:PER \n---- \nExtrae as entidades nomeadas do seguinte texto: \nTexto: \"O mellor de Barcelona é o bar do meu amigo Pablo\" \nEntidades: Pablo:PER, Barcelona:LOC \n---- \nExtrae as entidades nomeadas do seguinte texto: \nTexto: \"Carlos comparte cuarto con Marc\" \nEntidades:"], ["Cualifica como Positivo ou Negativo o sentimento da seguinte frase:\n Texto: \"Estou moi feliz\"\n Polaridade: Positivo\n ---- \n Cualifica como Positivo ou Negativo o sentimento da seguinte frase:\n Texto: \"Non me gusta beber cervexa\"\n Polaridade: Negativo\n ----\n Cualifica como Positivo ou Negativo o sentimento da seguinte frase:\n Texto: \"O meu pai detesta o seu traballo\"\n Polaridade: Negativo\n ----\n Cualifica como Positivo ou Negativo o sentimento da seguinte frase:\n Texto: \"Uxía desfruta xogando ao fútbol\"\n Polaridade: Positivo\n ----\n Cualifica como Positivo ou Negativo o sentimento da seguinte frase:\n Texto: \"O neno non está contento coas notas\"\n Polaridade:"] ] fronted_theme = 'Soft' # Model charge --------------------------------------------------------- model_id_flor = "proxectonos/FLOR-1.3B-GL" generator_model_flor = pipeline("text-generation", model=model_id_flor) model_id_cerebras = "proxectonos/Cerebras-1.3B-GL" generator_model_cerebras = pipeline("text-generation", model=model_id_cerebras, token=os.environ['TOKEN_HF']) # Generation functions --------------------------------------------------------- def get_model(model_selection): if model_selection == "FLOR-1.3B-GL": return generator_model_flor else: return generator_model_cerebras def remove_empty_lines(text): lines = text.strip().split("\n") non_empty_lines = [line for line in lines if line.strip()] return "\n".join(non_empty_lines) def predict(prompt, model_select, max_length, repetition_penalty, temperature): print("Dentro da xeración...") generator_model = get_model(model_select) prompt_length = len(generator_model.tokenizer.encode(prompt)) generated_text = generator_model( prompt, max_length=prompt_length + max_length, pad_token_id=generator_model.tokenizer.eos_token_id, repetition_penalty=repetition_penalty, temperature=temperature, do_sample=True) generated_sequence = generated_text[0]['generated_text'] if generated_sequence is None: gr.Warning('Inference endpoint is not available right now. Please try again later.') return generated_sequence = remove_empty_lines(generated_sequence) print("Xeración completada") return generated_sequence # Gradio app --------------------------------------------------------- def clear(): return ( None, None, gr.update(value=20), gr.update(value=1.3), gr.update(value=0.5) ) def pass_to_input(generated_gl): return ( gr.update(value=generated_gl), None ) def parameters_default(text): return ( gr.update(value=30), # max_length gr.update(value=1.3), # repetition_penalty gr.update(value=0.5) # temperature ) def parameters_fewshot_prompt(text): return ( gr.update(value=15), # max_length gr.update(value=1), # repetition_penalty gr.update(value=0.5) # temperature ) def gradio_app(): with gr.Blocks(theme=fronted_theme) as demo: with gr.Row(): with gr.Column(scale=0.1): gr.HTML('') with gr.Column(): gr.Markdown(markdown_description) with gr.Row(equal_height=True): model_select = gr.Dropdown( label="Escolle un modelo:", choices=MODEL_NAMES, value=MODEL_NAMES[0], interactive=True ) with gr.Row(equal_height=True): with gr.Column(): text_gl = gr.Textbox(label="Input", lines=6, placeholder="e.g. O neno vai a escola con ") with gr.Row(variant="panel"): with gr.Accordion("Model parameters", open=False): max_length = Slider( minimum=1, maximum=200, step=1, value=30, label="Max tokens" ) repetition_penalty = Slider( minimum=0.1, maximum=4, step=0.1, value=1.3, label="Repetition penalty" ) temperature = Slider( minimum=0, maximum=1, value=0.5, label="Temperatura" ) generator_btn = gr.Button(value="Generate",variant='primary') with gr.Column(): generated_gl = gr.Textbox(label="Output", lines=6, placeholder="Generated text will appear here", interactive=False, show_copy_button=True) pass_btn = gr.Button(value="Pass text to input") clean_btn = gr.Button(value="Clean") generator_btn.click(predict, inputs=[text_gl, model_select, max_length, repetition_penalty, temperature], outputs=generated_gl, api_name="generate-flor-gl") clean_btn.click(fn=clear, inputs=[], outputs=[text_gl, generated_gl, max_length, repetition_penalty, temperature], queue=False, api_name=False) pass_btn.click(fn=pass_to_input, inputs=[generated_gl], outputs=[text_gl,generated_gl], queue=False, api_name=False) with gr.Row(): with gr.Column(scale=0.5): gr.Examples( label = "Short prompts", examples = short_prompts_examples, inputs = [text_gl], outputs = [max_length, repetition_penalty, temperature], fn = parameters_default, run_on_click = True ) gr.Examples( label = "Few-shot prompts", examples = few_shot_prompts_examples, inputs = [text_gl], outputs = [max_length, repetition_penalty, temperature], fn = parameters_fewshot_prompt, run_on_click = True ) demo.launch() if __name__ == "__main__": gradio_app()