Spaces:
Running
Running
File size: 3,205 Bytes
c6dc269 10379c1 c6dc269 4ade980 86088c2 4ade980 c6dc269 31a3643 c6dc269 31a3643 c6dc269 31a3643 c6dc269 31a3643 c6dc269 31a3643 |
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 |
import streamlit as st
import pandas as pd
import torch
from transformers import GPT2Tokenizer, GPT2LMHeadModel
# Carregando o modelo e o tokenizador do GPT-2
tokenizer = GPT2Tokenizer.from_pretrained('gpt2')
model = GPT2LMHeadModel.from_pretrained('gpt2')
# Set the padding token to the end-of-sequence token
if tokenizer.pad_token is None:
tokenizer.pad_token = tokenizer.eos_token
df = pd.read_csv('anomalies.csv')
# Função para gerar resposta
def response(question):
prompt = f"Considerando os dados: {df.to_string(index=False)}. Pergunta: {question} Resposta:"
inputs = tokenizer(prompt, return_tensors='pt', padding='max_length', truncation=True, max_length=512)
attention_mask = inputs['attention_mask']
input_ids = inputs['input_ids']
generated_ids = model.generate(
input_ids,
attention_mask=attention_mask,
max_length=len(input_ids[0]) + 100, # Aumentar o limite de geração
temperature=0.65, # Ajustar a criatividade
top_p=0.9, # Usar nucleus sampling
no_repeat_ngram_size=2 # Evitar repetições desnecessárias
)
generated_text = tokenizer.decode(generated_ids[0], skip_special_tokens=True)
# Processando para extrair apenas a resposta após "Resposta:"
response_part = generated_text.split("Resposta:")[1] if "Resposta:" in generated_text else "Resposta não encontrada."
final_response = response_part.split(".")[0] + "." # Assumindo que a resposta termina na primeira sentença.
return final_response
# Interface Streamlit
st.markdown("""
<div style='display: flex; align-items: center;'>
<div style='width: 40px; height: 40px; background-color: green; border-radius: 50%; margin-right: 5px;'></div>
<div style='width: 40px; height: 40px; background-color: red; border-radius: 50%; margin-right: 5px;'></div>
<div style='width: 40px; height: 240px; background-color: yellow; border-radius: 50%; margin-right: 5px;'></div>
<span style='font-size: 40px; font-weight: bold;'>Chatbot do Tesouro RS</span>
</div>
""", unsafe_allow_html=True)
# Histórico de conversas
if 'history' not in st.session_state:
st.session_state['history'] = []
# Caixa de entrada para a pergunta
user_question = st.text_input("Escreva sua questão aqui:", "")
if user_question:
# Adiciona emoji de pessoa quando a pergunta está sendo digitada
st.session_state['history'].append(('👤', user_question))
st.markdown(f"**👤 {user_question}**")
# Gera a resposta
bot_response = response(user_question)
# Adiciona emoji de robô quando a resposta está sendo gerada e alinha à direita
st.session_state['history'].append(('🤖', bot_response))
st.markdown(f"<div style='text-align: right'>**🤖 {bot_response}**</div>", unsafe_allow_html=True)
# Botão para limpar o histórico
if st.button("Limpar"):
st.session_state['history'] = []
# Exibe o histórico de conversas
for sender, message in st.session_state['history']:
if sender == '👤':
st.markdown(f"**👤 {message}**")
elif sender == '🤖':
st.markdown(f"<div style='text-align: right'>**🤖 {message}**</div>", unsafe_allow_html=True)
|