File size: 3,702 Bytes
8674962 |
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 |
from transformers import AutoTokenizer, AutoModelForCausalLM
from peft import LoraConfig, get_peft_model, prepare_model_for_kbit_training
import torch
# from huggingface_hub import log
# Cấu hình mô hình
MODEL = "Viet-Mistral/Vistral-7B-Chat"
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
print('device =', device)
# Load mô hình và tokenizer
model = AutoModelForCausalLM.from_pretrained(
'Viet-Mistral/Vistral-7B-Chat',
torch_dtype=torch.bfloat16, # change to torch.float16 if you're using V100
device_map="auto",
use_cache=True,
cache_dir='./hf_cache'
)
tokenizer = AutoTokenizer.from_pretrained(MODEL, cache_dir='./hf_cache')
lora_config = LoraConfig.from_pretrained(
"thviet79/model-QA-medical", # Thay bằng đường dẫn đến mô hình LoRA trên Hugging Face
cache_dir='/workspace/thviet/hf_cache'
)
# Áp dụng cấu hình LoRA vào mô hình
model = get_peft_model(model, lora_config)
# def generate_output(input_text:str,
# top_p:float=0.95,
# top_k:int=40,
# temperature:float=0.1,
# repetition_penalty:float=1.05,
# max_new_tokens:int=768):
# system_prompt = "Bạn là một trợ lí ảo Tiếng Việt về lĩnh vực y tế."
# conversation = [{"role": "system", "content": system_prompt }]
# human = f"Vui lòng trả lời câu hỏi sau: {input_text}"
# conversation.append({"role": "user", "content": human })
# # Chuyển các tensor đầu vào sang đúng thiết bị
# input_ids = tokenizer.apply_chat_template(conversation, return_tensors="pt").to(device)
# # Tạo đầu ra từ mô hình
# out_ids = model.generate(
# input_ids=input_ids,
# max_new_tokens=768,
# do_sample=True,
# top_p=0.95,
# top_k=40,
# temperature=0.1,
# repetition_penalty=1.05,
# )
# # Giải mã và in kết quả
# assistant = tokenizer.batch_decode(out_ids[:, input_ids.size(1):], skip_special_tokens=True)[0].strip()
# return assistant
def respond(
message,
history: list[tuple[str, str]],
system_message: str,
max_tokens,
temperature,
top_p,
):
sys_prompt = "Bạn là một trợ lí ảo Tiếng Việt về lĩnh vực y tế."
conversation = [{"role": "system", "content": sys_prompt}]
for val in history:
if val[0]:
conversation.append({"role": "user", "content": val[0]})
if val[1]:
messages.append({"role": "assistant", "content": val[1]})
conversation.append({"role": "user", "content": message})
input_ids_list = tokenizer.apply_chat_template(conversation, return_tensors="pt").to(device)
response = ""
for message in tokenizer.batch_decode(model.generate(
input_ids=input_ids,
max_new_tokens=max_tokens,
do_sample=True,
top_p=top_p,
temperature=temperature,
)[:, input_ids_list.size(1):], skip_special_tokens=True):
token = message.strip()
response += token
yield response
demo = gr.ChatInterface(
respond,
additional_inputs=[
gr.Textbox(value="You are a friendly Chatbot.", label="System message"),
gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens"),
gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperature"),
gr.Slider(
minimum=0.1,
maximum=1.0,
value=0.95,
step=0.05,
label="Top-p (nucleus sampling)",
),
],
)
if __name__ == "__main__":
demo.launch()
|