DHEIVER commited on
Commit
0c25bec
·
verified ·
1 Parent(s): 167b198

Update app.py

Browse files
Files changed (1) hide show
  1. app.py +42 -88
app.py CHANGED
@@ -1,7 +1,6 @@
1
  import gradio as gr
2
  import numpy as np
3
- from transformers import pipeline, AutoModelForCausalLM, AutoTokenizer
4
- import torch
5
 
6
  class DiscAnalyzer:
7
  def __init__(self):
@@ -12,40 +11,27 @@ class DiscAnalyzer:
12
  'C': 'Compliance'
13
  }
14
 
15
- # Inicializar modelo do Hugging Face
16
- # Usando BLOOM-560M que tem bom suporte para português
17
- self.tokenizer = AutoTokenizer.from_pretrained("bigscience/bloom-560m")
18
- self.model = AutoModelForCausalLM.from_pretrained("bigscience/bloom-560m")
19
  self.generator = pipeline(
20
  "text-generation",
21
- model=self.model,
22
- tokenizer=self.tokenizer,
23
- device=0 if torch.cuda.is_available() else -1
24
  )
25
 
26
  def generate_llm_report(self, scores, perfil_principal):
27
  """
28
- Gera relatório personalizado usando modelo do Hugging Face baseado nos scores DISC.
29
- """
30
- prompt = f"""
31
- Analise o seguinte perfil DISC e gere um relatório detalhado:
32
-
33
- Perfil DISC:
34
- - Dominância: {scores['D']:.1f}%
35
- - Influência: {scores['I']:.1f}%
36
- - Estabilidade: {scores['S']:.1f}%
37
- - Conformidade: {scores['C']:.1f}%
38
-
39
- Perfil Principal: {self.disc_profiles[perfil_principal]}
40
-
41
- Relatório do Perfil:
42
  """
 
 
 
 
43
 
44
  try:
45
- # Gerar relatório
46
  output = self.generator(
47
  prompt,
48
- max_length=1000,
49
  num_return_sequences=1,
50
  temperature=0.7,
51
  top_p=0.9,
@@ -57,38 +43,22 @@ class DiscAnalyzer:
57
  except Exception as e:
58
  return f"Erro ao gerar relatório: {str(e)}"
59
 
60
- def avaliar_disc(self,
61
- q1, q2, q3, q4,
62
- q5, q6, q7, q8,
63
- q9, q10, q11, q12,
64
- q13, q14, q15, q16):
65
  """
66
- Avalia o perfil DISC baseado nas respostas do questionário.
67
  """
68
- # Converter inputs para números
69
- responses = [
70
- int(q1), int(q2), int(q3), int(q4),
71
- int(q5), int(q6), int(q7), int(q8),
72
- int(q9), int(q10), int(q11), int(q12),
73
- int(q13), int(q14), int(q15), int(q16)
74
- ]
75
-
76
- # Calcular scores para cada dimensão DISC
77
- d_score = sum([responses[i] for i in [0, 4, 8, 12]]) / 16 * 100
78
- i_score = sum([responses[i] for i in [1, 5, 9, 13]]) / 16 * 100
79
- s_score = sum([responses[i] for i in [2, 6, 10, 14]]) / 16 * 100
80
- c_score = sum([responses[i] for i in [3, 7, 11, 15]]) / 16 * 100
81
 
82
- # Encontrar o perfil dominante
83
  scores = {
84
- 'D': d_score,
85
- 'I': i_score,
86
- 'S': s_score,
87
- 'C': c_score
88
  }
89
- perfil_principal = max(scores, key=scores.get)
90
 
91
- # Gerar relatório LLM
92
  relatorio_llm = self.generate_llm_report(scores, perfil_principal)
93
 
94
  return (
@@ -101,45 +71,31 @@ class DiscAnalyzer:
101
  )
102
 
103
  def create_disc_interface():
104
- """
105
- Cria a interface Gradio para o analisador DISC.
106
- """
107
  analyzer = DiscAnalyzer()
108
 
109
  with gr.Blocks(title="Análise de Perfil DISC") as interface:
110
  gr.Markdown("# Analisador de Perfil DISC com IA")
111
- gr.Markdown("""
112
- Responda cada questão com valores de 1 a 4, onde:
113
- - 1 = Discordo totalmente
114
- - 2 = Discordo parcialmente
115
- - 3 = Concordo parcialmente
116
- - 4 = Concordo totalmente
117
- """)
118
-
119
- with gr.Row():
120
- with gr.Column():
121
- q1 = gr.Slider(1, 4, value=2, step=1, label="1. Sou direto e decisivo")
122
- q2 = gr.Slider(1, 4, value=2, step=1, label="2. Sou sociável e entusiasta")
123
- q3 = gr.Slider(1, 4, value=2, step=1, label="3. Sou paciente e cooperativo")
124
- q4 = gr.Slider(1, 4, value=2, step=1, label="4. Sou preciso e analítico")
125
-
126
- with gr.Column():
127
- q5 = gr.Slider(1, 4, value=2, step=1, label="5. Gosto de assumir riscos")
128
- q6 = gr.Slider(1, 4, value=2, step=1, label="6. Sou bom comunicador")
129
- q7 = gr.Slider(1, 4, value=2, step=1, label="7. Sou bom ouvinte")
130
- q8 = gr.Slider(1, 4, value=2, step=1, label="8. Sou organizado")
131
-
132
- with gr.Column():
133
- q9 = gr.Slider(1, 4, value=2, step=1, label="9. Tomo iniciativa")
134
- q10 = gr.Slider(1, 4, value=2, step=1, label="10. Sou persuasivo")
135
- q11 = gr.Slider(1, 4, value=2, step=1, label="11. Trabalho bem em equipe")
136
- q12 = gr.Slider(1, 4, value=2, step=1, label="12. Sou detalhista")
137
 
138
- with gr.Column():
139
- q13 = gr.Slider(1, 4, value=2, step=1, label="13. Busco resultados")
140
- q14 = gr.Slider(1, 4, value=2, step=1, label="14. Sou motivador")
141
- q15 = gr.Slider(1, 4, value=2, step=1, label="15. Sou confiável")
142
- q16 = gr.Slider(1, 4, value=2, step=1, label="16. Sou sistemático")
 
 
143
 
144
  analyze_btn = gr.Button("Analisar Perfil")
145
 
@@ -151,15 +107,13 @@ def create_disc_interface():
151
  x="Dimensão",
152
  y="Score",
153
  title="Scores DISC",
154
- tooltip=["Dimensão", "Score"],
155
  height=400,
156
  width=600
157
  )
158
 
159
  analyze_btn.click(
160
  fn=analyzer.avaliar_disc,
161
- inputs=[q1, q2, q3, q4, q5, q6, q7, q8,
162
- q9, q10, q11, q12, q13, q14, q15, q16],
163
  outputs=[perfil_output, relatorio_output, plot_output]
164
  )
165
 
 
1
  import gradio as gr
2
  import numpy as np
3
+ from transformers import pipeline
 
4
 
5
  class DiscAnalyzer:
6
  def __init__(self):
 
11
  'C': 'Compliance'
12
  }
13
 
14
+ # Usando um modelo mais leve e otimizado para texto
 
 
 
15
  self.generator = pipeline(
16
  "text-generation",
17
+ model="facebook/opt-125m", # Modelo muito mais leve que o BLOOM
18
+ device="cpu" # Forçando CPU para evitar problemas de CUDA
 
19
  )
20
 
21
  def generate_llm_report(self, scores, perfil_principal):
22
  """
23
+ Gera relatório personalizado usando modelo mais leve.
 
 
 
 
 
 
 
 
 
 
 
 
 
24
  """
25
+ prompt = f"""Analise o perfil DISC:
26
+ D:{scores['D']:.1f}% I:{scores['I']:.1f}% S:{scores['S']:.1f}% C:{scores['C']:.1f}%
27
+ Perfil Principal: {self.disc_profiles[perfil_principal]}
28
+ """
29
 
30
  try:
31
+ # Configurações otimizadas para geração mais rápida
32
  output = self.generator(
33
  prompt,
34
+ max_length=300, # Reduzido para resposta mais concisa
35
  num_return_sequences=1,
36
  temperature=0.7,
37
  top_p=0.9,
 
43
  except Exception as e:
44
  return f"Erro ao gerar relatório: {str(e)}"
45
 
46
+ def avaliar_disc(self, *args):
 
 
 
 
47
  """
48
+ Versão otimizada da avaliação DISC.
49
  """
50
+ # Converter todos os inputs para números de uma vez
51
+ responses = [int(arg) for arg in args]
 
 
 
 
 
 
 
 
 
 
 
52
 
53
+ # Cálculo otimizado dos scores
54
  scores = {
55
+ 'D': sum(responses[i] for i in [0, 4, 8, 12]) / 16 * 100,
56
+ 'I': sum(responses[i] for i in [1, 5, 9, 13]) / 16 * 100,
57
+ 'S': sum(responses[i] for i in [2, 6, 10, 14]) / 16 * 100,
58
+ 'C': sum(responses[i] for i in [3, 7, 11, 15]) / 16 * 100
59
  }
 
60
 
61
+ perfil_principal = max(scores, key=scores.get)
62
  relatorio_llm = self.generate_llm_report(scores, perfil_principal)
63
 
64
  return (
 
71
  )
72
 
73
  def create_disc_interface():
 
 
 
74
  analyzer = DiscAnalyzer()
75
 
76
  with gr.Blocks(title="Análise de Perfil DISC") as interface:
77
  gr.Markdown("# Analisador de Perfil DISC com IA")
78
+ gr.Markdown("Responda cada questão com valores de 1 a 4")
79
+
80
+ # Criação otimizada das questões
81
+ questions = [
82
+ "1. Sou direto e decisivo", "2. Sou sociável e entusiasta",
83
+ "3. Sou paciente e cooperativo", "4. Sou preciso e analítico",
84
+ "5. Gosto de assumir riscos", "6. Sou bom comunicador",
85
+ "7. Sou bom ouvinte", "8. Sou organizado",
86
+ "9. Tomo iniciativa", "10. Sou persuasivo",
87
+ "11. Trabalho bem em equipe", "12. Sou detalhista",
88
+ "13. Busco resultados", "14. Sou motivador",
89
+ "15. Sou confiável", "16. Sou sistemático"
90
+ ]
 
 
 
 
 
 
 
 
 
 
 
 
 
91
 
92
+ # Criando sliders em grupos de 4
93
+ sliders = []
94
+ for i in range(0, 16, 4):
95
+ with gr.Row():
96
+ with gr.Column():
97
+ for j in range(4):
98
+ sliders.append(gr.Slider(1, 4, value=2, step=1, label=questions[i+j]))
99
 
100
  analyze_btn = gr.Button("Analisar Perfil")
101
 
 
107
  x="Dimensão",
108
  y="Score",
109
  title="Scores DISC",
 
110
  height=400,
111
  width=600
112
  )
113
 
114
  analyze_btn.click(
115
  fn=analyzer.avaliar_disc,
116
+ inputs=sliders,
 
117
  outputs=[perfil_output, relatorio_output, plot_output]
118
  )
119