File size: 1,947 Bytes
ed7e2ea 96cc24c ed7e2ea 62cdd73 3c1eab2 62cdd73 ed7e2ea 22e13e3 ed7e2ea 6dd30c8 ed7e2ea e4b5631 43ed82a ed7e2ea 3c1eab2 ed7e2ea e4b5631 |
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 |
from transformers import GPT2LMHeadModel, GPT2Tokenizer
import streamlit as st
import torch
import textwrap
st.markdown('## Генерация текста GPT-моделью')
tokenizer = GPT2Tokenizer.from_pretrained('sberbank-ai/rugpt3small_based_on_gpt2')
model = GPT2LMHeadModel.from_pretrained(
'sberbank-ai/rugpt3small_based_on_gpt2',
output_attentions = False,
output_hidden_states = False,
)
# Вешаем сохраненные веса на нашу модель
model.load_state_dict(torch.load('modelgpt.pt', map_location=torch.device('cpu')))
col1, col2, col3 = st.columns([7, 7, 18])
with col1:
length = st.slider('Длина генерируемой последовательности:', 8, 256, 15)
num_samples = st.slider('Число генераций:', 1, 10, 1)
temperature = st.slider('Температура:', 1.0, 10.0, 2.0)
top_k = st.slider('Количество наиболее вероятных слов генерации:', 10, 200, 50)
top_p = st.slider('Минимальная суммарная вероятность топовых слов:', 0.4, 1.0, 0.9)
with col2:
pass
with col3:
prompt = st.text_input('Введите текст:')
if st.button('Сгенерировать текст'):
with torch.inference_mode():
prompt = tokenizer.encode(prompt, return_tensors='pt')
out = model.generate(
input_ids=prompt,
max_length=length,
num_beams=5,
do_sample=True,
temperature=temperature,
top_k=top_k,
top_p=top_p,
no_repeat_ngram_size=3,
num_return_sequences=num_samples,
).cpu().numpy()
for i, out_ in enumerate(out):
st.write(f'Текст {i+1}:')
st.write(textwrap.fill(tokenizer.decode(out_), 100))
|