Create test.py

test.py

@@ -0,0 +1,89 @@
+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
+""")