File size: 3,002 Bytes
bf9d5da |
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 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 |
import streamlit as st
# Use a pipeline as a high-level helper
from transformers import pipeline
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
pipe = pipeline("text-generation", model="openai-community/gpt2")
# Titel der App
st.title("GPT-2 Kampfsimulator")
# Modell und Tokenizer laden
@st.cache_resource
def load_model():
try:
tokenizer = AutoTokenizer.from_pretrained("openai-community/gpt2")
model = AutoModelForCausalLM.from_pretrained("openai-community/gpt2")
# Setze das Modell in den Evaluierungsmodus
model.eval()
return model, tokenizer
except Exception as e:
st.error(f"Fehler beim Laden des Modells: {str(e)}")
return None, None
model, tokenizer = load_model()
st.write("Modell und Tokenizer erfolgreich geladen.")
# Eingabe für den Benutzer
user_input = st.text_input(
"Beschreibe den Kampf:",
"Ein Schwertkämpfer trifft auf einen Bogenschützen in einer Arena."
)
# Konfigurationsoptionen
col1, col2 = st.columns(2)
with col1:
temperature = st.slider("Kreativität (Temperature)", 0.1, 1.0, 0.7)
max_length = st.slider("Maximale Textlänge", 50, 200, 100)
with col2:
num_sequences = st.slider("Anzahl der Generierungen", 1, 3, 1)
# Textgenerierung starten
if st.button("Kampf simulieren"):
if model and tokenizer:
try:
# Füge einen Kontext hinzu
prompt = f"In einem epischen Kampf: {user_input}\nDer Kampf beginnt:"
# Tokenisierung mit Padding
inputs = tokenizer(prompt, return_tensors="pt", padding=True)
# Generierung mit mehr Parametern
outputs = model.generate(
inputs["input_ids"],
max_length=max_length,
num_return_sequences=num_sequences,
temperature=temperature,
pad_token_id=tokenizer.eos_token_id,
no_repeat_ngram_size=2,
do_sample=True,
top_k=50,
top_p=0.95
)
# Ausgabe der generierten Texte
for idx, output in enumerate(outputs):
generated_text = tokenizer.decode(output, skip_special_tokens=True)
st.markdown(f"**Kampfszenario {idx + 1}:**")
st.text_area(
label=f"Generierter Text {idx + 1}",
value=generated_text,
height=150
)
except Exception as e:
st.error(f"Fehler bei der Textgenerierung: {str(e)}")
else:
st.error("Modell konnte nicht geladen werden. Bitte überprüfen Sie die Installation.")
# Füge Hinweise hinzu
st.markdown("""
---
**Hinweise:**
- Die "Kreativität" steuert, wie kreativ/zufällig die Ausgabe sein soll
- Die "Maximale Textlänge" bestimmt die maximale Anzahl der generierten Token
- "Anzahl der Generierungen" erstellt mehrere Varianten des Kampfes
""") |