app.py

import transformers
import torch
import tokenizers
import streamlit as st
import re

from PIL import Image


@st.cache(hash_funcs={tokenizers.Tokenizer: lambda _: None, tokenizers.AddedToken: lambda _: None, re.Pattern: lambda _: None}, allow_output_mutation=True, suppress_st_warning=True)
def get_model(model_name, model_path):
    tokenizer = transformers.GPT2Tokenizer.from_pretrained(model_name)
    model = transformers.GPT2LMHeadModel.from_pretrained(model_name)
    model.eval()
    return model, tokenizer


def predict_gpt(text, model, tokenizer, temperature):
    input_ids = tokenizer.encode(text, return_tensors="pt")
    with torch.no_grad():
        out = model.generate(input_ids, 
                            do_sample=True,
                            num_beams=3,
                            temperature= temperature,
                            top_p=0.75,
                            max_length=1024,
                            eos_token_id = tokenizer.eos_token_id,
                            pad_token_id = tokenizer.pad_token_id,
                            repetition_penalty = 2.5,
                            num_return_sequences = 1,
                            output_attentions = True,
                            return_dict_in_generate=True,
                            )
    decode = lambda x : tokenizer.decode(x, skip_special_tokens=True)
    generated_text = list(map(decode, out['sequences'])).split('Описание :')[1]
    return generated_text

def predict_t5(text, model, tokenizer, temperature):
    input_ids = tokenizer.encode(text, return_tensors="pt")
    with torch.no_grad():
        out = model.generate(input_ids, 
                        do_sample=True,
                        num_beams=4,
                        temperature=temperature,
                        top_p=0.35,
                        max_length=1024,
                        length_penalty = 5.5,
                        output_attentions = True,
                        return_dict_in_generate=True,
                        repetition_penalty = 2.5,
                        num_return_sequences = 1
                        )
    decode = lambda x : tokenizer.decode(x, skip_special_tokens=True)
    generated_text = list(map(decode, out['sequences']))[0]
    return generated_text

gpt_model, gpt_tokenizer = get_model('mipatov/rugpt3_nb_descr', 'mipatov/rugpt3_nb_descr')
t5_model, t5_tokenizer = get_model('mipatov/rut5_nb_descr', 'mipatov/rut5_nb_descr')

# st.title("NeuroKorzh")


option = st.selectbox('Выберите модель', ('GPT', 'T5'))
temperature = st.slider(label='Температура', min_value=0.1, max_value=5.0, value=1.0,step = 0.1)

# st.markdown("\n")
example = '  Название : Super_NB 2001 Gaming;\n Диагональ экрана : 21 " ;\n Разрешение экрана : 1337x228 ;\n Поверхность экрана : матовая ;\n Тип матрицы : nfc ;\n Процессор : CMD processor 7 ядер 16.16 ГГц (46.0 ГГц, в режиме Turbo) ;\n Оперативная память : 28 Гб DDR5 ;\n Тип видеокарты : интегрированный ;\n Видеокарта : qwerty-grafics ;\n SSD : 720 Гб ;\n Wi-Fi : ДА, 802.11 a/b/g/n/ac ;\n Bluetooth : ДА, v5.0 ;\n Кабельная сеть : 10/100/1000 (Gigabit Ethernet) Мбит/с ;\n USB 2.0 : 13 ;\n USB 3.0 : 22 ;\n HDMI : 11 ;\n Операционная система : CMD-shell ;\n Веб-камера : встроенная ;\n Микрофон : есть ;\n Разъем наушники/микрофон : комбинированный разъем ;\n Акустическая система : стереодинамики ;\n Цвет клавиатуры : черный ;\n Цифровой блок клавиатуры : есть ;\n Подсветка клавиш клавиатуры : есть ;\n Тип батареи : Al-Ion ;\n Количество ячеек батареи : 36 cell ;\n Энергоемкость батареи : 176 Wh ;\n Цвет : черный ;\n Размеры : 1.23 х  456 х  78.9 мм ;\n Вес : 19 кг ;\n Гарантия : 322 мес. ;\n Материал корпуса : пластик ;\n Время работы от батареи : 82ч ;\n Кард-ридер : есть WA SD ;'

text = st.text_area(label='Характеристики ноутбука', value=example, height=200).replace('\n','')
button = st.button('Старт')

if button:
    try:
        with st.spinner("Пишем описание..."):
            if option == 'GPT':
                result = predict_gpt(text, gpt_model, gpt_tokenizer, temperature=temperature)
            elif option == 'T5':
                result = predict_t5(text, t5_model, t5_tokenizer, temperature=temperature)
            else:
                st.error('Error in selectbox')
        
        st.text_area(label='', value=result, height=1000)
    
    except Exception:
        st.error("Ooooops, something went wrong. Please try again and report to me, tg: @mipatov")