Update app.py

app.py

@@ -1,61 +1,48 @@
+#!/usr/bin/env python
+# coding: utf-8
+
 import streamlit as st
-from tensorflow.keras.models import load_model
-from tensorflow.keras.preprocessing.text import Tokenizer
-from tensorflow.keras.preprocessing.sequence import pad_sequences
-import numpy as np
+import google.generativeai as genai
 from transformers import logging
 
 # Hugging Face Transformers kütüphanesinden gelen hataları kapat
 logging.set_verbosity_error()
 
-# Streamlit başlık
-st.title('Chat with Me')
 
-# Model yükleme (burada dil modeli veya sohbet modeli olmalı)
+st.title('Chat with Me')
 model = load_model('text_classification_model.h5')
 
-# Modelin giriş boyutunu öğrenme
-model_input_shape = model.layers[0].input_shape
-if isinstance(model_input_shape, list):
-    model_input_shape = model_input_shape[0]
-input_length = model_input_shape[1]
-
-# Tokenizer yükleme veya tanımlama
-tokenizer = Tokenizer(num_words=10000)  # num_words, kelime sayısı limitidir, modelinize göre ayarlayabilirsiniz
-tokenizer.fit_on_texts(['örnek metin'])  # Tokenizer'ı eğitmek için örnek bir metin kullanabilirsiniz
-
 # Chat history
-if 'chat_history' not in st.session_state:
-    st.session_state.chat_history = []
+if 'chat' not in st.session_state:
+    st.session_state.chat = model.start_chat(history=[])
 
-# Kullanıcıdan giriş alma
+# Input for user question
 soru = st.text_input('Sor:')
 
-# Yanıt üretme fonksiyonu (modelinize göre bu kısım değişebilir)
-def generate_response(input_text):
-    # Metni tokenize et ve sekanslara dönüştür
-    sequences = tokenizer.texts_to_sequences([input_text])
-    padded_sequences = pad_sequences(sequences, maxlen=input_length)  # maxlen, modelin beklediği giriş boyutuna göre ayarlanmalıdır
-    prediction = model.predict(padded_sequences)
-    response = "Bu bir örnek yanıttır."  # Modelden gelen yanıtı buraya yazın
-    return response
+# Function to extract text parts from the response
+def extract_text(response_parts):
+    return response_parts[0].text.strip() if response_parts[0].text else ""
 
-# "Sor" butonuna tıklama olayını işleme
+# Handle "Sor" button click
 if st.button('Sor'):
     if soru:
-        response = generate_response(soru)
-        st.session_state.chat_history.append({'role': 'user', 'text': soru})
-        st.session_state.chat_history.append({'role': 'model', 'text': response})
+        response = st.session_state.chat.send_message(soru)
+        st.session_state.chat.history.append({'role': 'model', 'text': extract_text(response.parts)})
+        st.session_state.chat.history.append({'role': 'user', 'text': soru})
+        st.session_state.last_question = soru
+        st.session_state.last_response = extract_text(response.parts)
         st.experimental_rerun()
 
-# Sohbet geçmişini gösterme
-for message in reversed(st.session_state.chat_history):
-    if message['role'] == 'user':
+# Display chat history
+for message in reversed(st.session_state.chat.history):
+    if message.role == 'user':
         st.markdown(f'<div style="text-align: right; background-color: #2F2F2F; padding: 10px; border-radius: 10px; margin: 10px; width: fit-content;">👤 Sen: {message["text"]}</div>', unsafe_allow_html=True)
-    elif message['role'] == 'model':
+    elif message.role == 'model':
         st.markdown(f'<div style="text-align: left; background-color: #2E2E2E; padding: 10px; border-radius: 10px; margin: 10px; width: fit-content;">🤖 Bot: {message["text"]}</div>', unsafe_allow_html=True)
 
-# "Yeni Sohbet" butonuna tıklama olayını işleme
+# Handle "Yeni Sohbet" button click
 if st.button('Yeni Sohbet'):
-    st.session_state.chat_history = []
-    st.experimental_rerun()
+    st.session_state.chat = model.start_chat(history=[])
+    st.session_state.last_question = ''
+    st.session_state.last_response = ''
+    st.experimental_rerun()