Update pages/📖History_Mystery.py

pages/📖History_Mystery.py

@@ -15,31 +15,31 @@ max_len = st.slider(" Длина сгенерированного отрывк
 # model = GPT2LMHeadModel.from_pretrained('sberbank-ai/rugpt3small_based_on_gpt2')
 # tokenizer = GPT2Tokenizer.from_pretrained('sberbank-ai/rugpt3small_based_on_gpt2')
 # #Задаем класс модели (уже в streamlit/tg_bot)
-model = GPT2LMHeadModel.from_pretrained(
+model_GPT = GPT2LMHeadModel.from_pretrained(
      'sberbank-ai/rugpt3small_based_on_gpt2',
      output_attentions = False,
      output_hidden_states = False,
  )
-tokenizer = GPT2Tokenizer.from_pretrained(
+tokenizer_GPT = GPT2Tokenizer.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('model_history_new.pt',map_location=torch.device('cpu')))
+model_GPT.load_state_dict(torch.load('model_history_new.pt',map_location=torch.device('cpu')))
 # Функция для генерации текста
 def generate_text(prompt):
     # Преобразование входной строки в токены
-    input_ids = tokenizer.encode(prompt, return_tensors='pt')
+    input_ids = tokenizer_GPT.encode(prompt, return_tensors='pt')
 
     # Генерация текста
-    output = model.generate(input_ids=input_ids, max_length=70, num_beams=5, do_sample=True,
+    output = model_GPT.generate(input_ids=input_ids, max_length=70, num_beams=5, do_sample=True,
                             temperature=5, top_k=50, top_p=0.6, no_repeat_ngram_size=3,
                             num_return_sequences=3)
 
     # Декодирование сгенерированного текста
-    generated_text = tokenizer.decode(output[0], skip_special_tokens=True)
+    generated_text = tokenizer_GPT.decode(output[0], skip_special_tokens=True)
 
     return generated_text