Spaces:
Sleeping
Sleeping
Update app.py
Browse files
app.py
CHANGED
|
@@ -1,6 +1,7 @@
|
|
| 1 |
import gradio as gr
|
| 2 |
from transformers import AutoModelForCausalLM, AutoTokenizer
|
| 3 |
import fitz # PyMuPDF
|
|
|
|
| 4 |
|
| 5 |
# Carregar o tokenizer e o modelo
|
| 6 |
tokenizer = AutoTokenizer.from_pretrained("Locutusque/gpt2-xl-conversational")
|
|
@@ -21,8 +22,12 @@ def read_pdf(file_path):
|
|
| 21 |
# Função para carregar o PDF e armazenar o conteúdo
|
| 22 |
def load_pdf(pdf_file):
|
| 23 |
global pdf_content
|
| 24 |
-
|
| 25 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
| 26 |
|
| 27 |
# Função para responder perguntas com base no conteúdo do PDF
|
| 28 |
def answer_question(question, max_length=200, temperature=0.7, top_k=50, top_p=0.95):
|
|
@@ -30,6 +35,7 @@ def answer_question(question, max_length=200, temperature=0.7, top_k=50, top_p=0
|
|
| 30 |
if not pdf_content:
|
| 31 |
return "Por favor, carregue um PDF primeiro."
|
| 32 |
prompt = f"Conteúdo do PDF: {pdf_content}\nPergunta: {question}\nResposta em português:"
|
|
|
|
| 33 |
inputs = tokenizer(prompt, return_tensors="pt")
|
| 34 |
outputs = model.generate(
|
| 35 |
inputs.input_ids,
|
|
|
|
| 1 |
import gradio as gr
|
| 2 |
from transformers import AutoModelForCausalLM, AutoTokenizer
|
| 3 |
import fitz # PyMuPDF
|
| 4 |
+
import os
|
| 5 |
|
| 6 |
# Carregar o tokenizer e o modelo
|
| 7 |
tokenizer = AutoTokenizer.from_pretrained("Locutusque/gpt2-xl-conversational")
|
|
|
|
| 22 |
# Função para carregar o PDF e armazenar o conteúdo
|
| 23 |
def load_pdf(pdf_file):
|
| 24 |
global pdf_content
|
| 25 |
+
pdf_path = pdf_file.name # Acessar o caminho do arquivo carregado
|
| 26 |
+
pdf_content = read_pdf(pdf_path)
|
| 27 |
+
if pdf_content:
|
| 28 |
+
return "PDF carregado com sucesso!"
|
| 29 |
+
else:
|
| 30 |
+
return "Falha ao carregar o PDF."
|
| 31 |
|
| 32 |
# Função para responder perguntas com base no conteúdo do PDF
|
| 33 |
def answer_question(question, max_length=200, temperature=0.7, top_k=50, top_p=0.95):
|
|
|
|
| 35 |
if not pdf_content:
|
| 36 |
return "Por favor, carregue um PDF primeiro."
|
| 37 |
prompt = f"Conteúdo do PDF: {pdf_content}\nPergunta: {question}\nResposta em português:"
|
| 38 |
+
print(f"Prompt: {prompt}") # Adicionar log para depuração
|
| 39 |
inputs = tokenizer(prompt, return_tensors="pt")
|
| 40 |
outputs = model.generate(
|
| 41 |
inputs.input_ids,
|