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')))




length = st.sidebar.slider('Длина генерируемой последовательности:', 8, 256, 15)
num_samples = st.sidebar.slider('Число генераций:', 1, 10, 1)
temperature = st.sidebar.slider('Температура:', 1.0, 10.0, 2.0)
top_k = st.sidebar.slider('Количество наиболее вероятных слов генерации:', 10, 200, 50)
top_p = st.sidebar.slider('Минимальная суммарная вероятность топовых слов:', 0.4, 1.0, 0.9)


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))