Spaces:
Runtime error
Runtime error
Update app.py
Browse files
app.py
CHANGED
@@ -1,305 +1,300 @@
|
|
1 |
-
#!/usr/bin/env python
|
2 |
-
# coding: utf-8
|
3 |
-
|
4 |
-
|
5 |
-
|
6 |
-
|
7 |
-
|
8 |
-
|
9 |
-
|
10 |
-
|
11 |
-
|
12 |
-
|
13 |
-
|
14 |
-
from
|
15 |
-
from
|
16 |
-
|
17 |
-
import
|
18 |
-
|
19 |
-
|
20 |
-
from
|
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 |
-
|
90 |
-
|
91 |
-
|
92 |
-
|
93 |
-
|
94 |
-
|
95 |
-
#
|
96 |
-
|
97 |
-
|
98 |
-
|
99 |
-
|
100 |
-
#
|
101 |
-
|
102 |
-
|
103 |
-
|
104 |
-
|
105 |
-
|
106 |
-
|
107 |
-
|
108 |
-
|
109 |
-
|
110 |
-
|
111 |
-
|
112 |
-
|
113 |
-
|
114 |
-
|
115 |
-
|
116 |
-
|
117 |
-
|
118 |
-
|
119 |
-
|
120 |
-
|
121 |
-
|
122 |
-
|
123 |
-
|
124 |
-
|
125 |
-
|
126 |
-
|
127 |
-
#
|
128 |
-
|
129 |
-
|
130 |
-
|
131 |
-
|
132 |
-
|
133 |
-
|
134 |
-
|
135 |
-
|
136 |
-
|
137 |
-
|
138 |
-
|
139 |
-
|
140 |
-
|
141 |
-
|
142 |
-
|
143 |
-
|
144 |
-
|
145 |
-
|
146 |
-
|
147 |
-
|
148 |
-
|
149 |
-
|
150 |
-
|
151 |
-
|
152 |
-
|
153 |
-
|
154 |
-
|
155 |
-
|
156 |
-
|
157 |
-
|
158 |
-
|
159 |
-
|
160 |
-
|
161 |
-
|
162 |
-
|
163 |
-
|
164 |
-
|
165 |
-
|
166 |
-
|
167 |
-
|
168 |
-
|
169 |
-
|
170 |
-
|
171 |
-
|
172 |
-
|
173 |
-
|
174 |
-
|
175 |
-
|
176 |
-
|
177 |
-
|
178 |
-
|
179 |
-
|
180 |
-
|
181 |
-
|
182 |
-
|
183 |
-
|
184 |
-
|
185 |
-
|
186 |
-
|
187 |
-
|
188 |
-
|
189 |
-
p
|
190 |
-
|
191 |
-
#
|
192 |
-
|
193 |
-
|
194 |
-
|
195 |
-
|
196 |
-
|
197 |
-
|
198 |
-
|
199 |
-
|
200 |
-
|
201 |
-
|
202 |
-
#
|
203 |
-
|
204 |
-
|
205 |
-
|
206 |
-
#
|
207 |
-
|
208 |
-
|
209 |
-
|
210 |
-
|
211 |
-
|
212 |
-
|
213 |
-
|
214 |
-
|
215 |
-
|
216 |
-
|
217 |
-
|
218 |
-
|
219 |
-
|
220 |
-
|
221 |
-
|
222 |
-
|
223 |
-
|
224 |
-
|
225 |
-
|
226 |
-
|
227 |
-
|
228 |
-
|
229 |
-
|
230 |
-
|
231 |
-
|
232 |
-
|
233 |
-
|
234 |
-
|
235 |
-
|
236 |
-
|
237 |
-
|
238 |
-
|
239 |
-
|
240 |
-
|
241 |
-
|
242 |
-
|
243 |
-
|
244 |
-
|
245 |
-
|
246 |
-
|
247 |
-
|
248 |
-
|
249 |
-
|
250 |
-
|
251 |
-
|
252 |
-
|
253 |
-
|
254 |
-
|
255 |
-
|
256 |
-
|
257 |
-
|
258 |
-
|
259 |
-
|
260 |
-
|
261 |
-
|
262 |
-
|
263 |
-
|
264 |
-
|
265 |
-
|
266 |
-
|
267 |
-
|
268 |
-
|
269 |
-
|
270 |
-
|
271 |
-
|
272 |
-
|
273 |
-
|
274 |
-
|
275 |
-
|
276 |
-
|
277 |
-
|
278 |
-
|
279 |
-
|
280 |
-
|
281 |
-
|
282 |
-
|
283 |
-
|
284 |
-
|
285 |
-
|
286 |
-
|
287 |
-
|
288 |
-
|
289 |
-
|
290 |
-
|
291 |
-
|
292 |
-
|
293 |
-
|
294 |
-
|
295 |
-
|
296 |
-
|
297 |
-
|
298 |
-
|
299 |
-
|
300 |
-
|
301 |
-
# In[ ]:
|
302 |
-
|
303 |
-
|
304 |
-
|
305 |
-
|
|
|
1 |
+
#!/usr/bin/env python
|
2 |
+
# coding: utf-8
|
3 |
+
|
4 |
+
|
5 |
+
# In[48]:
|
6 |
+
|
7 |
+
|
8 |
+
import gradio as gr
|
9 |
+
from llama_cpp import Llama
|
10 |
+
from langchain_community.llms import LlamaCpp
|
11 |
+
from langchain.prompts import PromptTemplate
|
12 |
+
import llama_cpp
|
13 |
+
from langchain.callbacks.manager import CallbackManager
|
14 |
+
from sentence_transformers import SentenceTransformer
|
15 |
+
from langchain.callbacks.streaming_stdout import StreamingStdOutCallbackHandler
|
16 |
+
import numpy as np
|
17 |
+
import pandas as pd
|
18 |
+
import re
|
19 |
+
import os
|
20 |
+
from sklearn.metrics.pairwise import cosine_similarity
|
21 |
+
|
22 |
+
model = SentenceTransformer('sentence-transformers/paraphrase-multilingual-mpnet-base-v2',device='cpu')
|
23 |
+
|
24 |
+
|
25 |
+
# llm = LlamaCpp(
|
26 |
+
# model_path=r"C:\Users\Cora\.cache\lm-studio\models\YC-Chen\Breeze-7B-Instruct-v1_0-GGUF\breeze-7b-instruct-v1_0-q4_k_m.gguf",
|
27 |
+
# n_gpu_layers=100,
|
28 |
+
# n_batch=512,
|
29 |
+
# n_ctx=3000,
|
30 |
+
# f16_kv=True,
|
31 |
+
# callback_manager=CallbackManager([StreamingStdOutCallbackHandler()]),
|
32 |
+
# verbose=False,
|
33 |
+
# )
|
34 |
+
|
35 |
+
llm = LlamaCpp(
|
36 |
+
model_path=r"C:\Users\user\breeze-7b-instruct-v1_0-q4_k_m.gguf",
|
37 |
+
n_gpu_layers=100,
|
38 |
+
n_batch=512,
|
39 |
+
n_ctx=3000,
|
40 |
+
f16_kv=True,
|
41 |
+
callback_manager=CallbackManager([StreamingStdOutCallbackHandler()]),
|
42 |
+
verbose=False,
|
43 |
+
)
|
44 |
+
|
45 |
+
embedd_bk=pd.read_pickle(r"C:\Users\user\推薦系統實作\bk_description1_角色形容詞_677.pkl")
|
46 |
+
df_bk=pd.read_excel(r"C:\Users\user\推薦系統實作\bk_description1_角色形容詞短文.xlsx")
|
47 |
+
|
48 |
+
def invoke_with_temperature(prompt, temperature=0.4):
|
49 |
+
return llm.invoke(prompt, temperature=temperature)
|
50 |
+
|
51 |
+
def process_user_input(message):
|
52 |
+
user_mental_state4= PromptTemplate(
|
53 |
+
input_variables=["input"],
|
54 |
+
template="""[INST]<<SYS>>你是一位具有同理心的專業心理諮商師,沒有性別歧視,你可以客觀的根據談話內容的描述,判斷說話的人的心理困擾<</SYS>>
|
55 |
+
請根據{input}描述三個最有可能心理困擾,輸出只包含三個心理困擾,回答格式只採用CSV格式,分隔符號使用逗號,參考以下範例:名詞1,名詞2,名詞3。[/INST]"""
|
56 |
+
)
|
57 |
+
|
58 |
+
user_character= PromptTemplate(
|
59 |
+
input_variables=["input"],
|
60 |
+
template="""[INST]<<SYS>>你是一位具有同理心的專業心理諮商師,沒有性別歧視,你可以客觀的根據談話內容的描述,判斷說話的大學生,在生活中的多重角色身分<</SYS>>
|
61 |
+
請你根據談話內容{input},客觀的判斷說話的大學生,在談話內容中的角色,以及他生活中其他角色的身分,提供三個最有可能的角色身分名詞,
|
62 |
+
輸出只包含三個身分名詞,回答格式只採用CSV格式,分隔符號使用逗號,參考以下範例:名詞1,名詞2,名詞3。[/INST]"""
|
63 |
+
)
|
64 |
+
|
65 |
+
|
66 |
+
df_user=pd.DataFrame(columns=["輸入內容","形容詞1", "形容詞2", "形容詞3", "角色1", "角色2", "角色3"])
|
67 |
+
#df_user_record=pd.read_excel(r"C:\Users\Cora\推薦系統實作\gradio系統歷史紀錄.xlsx")
|
68 |
+
|
69 |
+
|
70 |
+
prompt_value1=user_mental_state4.invoke({"input":message})
|
71 |
+
string=invoke_with_temperature(prompt_value1)
|
72 |
+
#print("\n")
|
73 |
+
|
74 |
+
# 將字符串分割為名詞
|
75 |
+
adjectives = [adj.strip() for adj in re.split('[,、,]', string)]
|
76 |
+
|
77 |
+
index=len(df_user)
|
78 |
+
df_user.loc[index, '輸入內容'] = message
|
79 |
+
|
80 |
+
# 確保形容詞數量符合欄位數量
|
81 |
+
if len(adjectives) == 3:
|
82 |
+
df_user.loc[index, '形容詞1'] = adjectives[0]
|
83 |
+
df_user.loc[index, '形容詞2'] = adjectives[1]
|
84 |
+
df_user.loc[index, '形容詞3'] = adjectives[2]
|
85 |
+
|
86 |
+
prompt_value2=user_character.invoke({"input":message})
|
87 |
+
string=invoke_with_temperature(prompt_value2)
|
88 |
+
#print("\n")
|
89 |
+
|
90 |
+
# 將字符串分割為名詞
|
91 |
+
character = [adj.strip() for adj in re.split('[,、,]', string)]
|
92 |
+
for i in range(min(len(character), 3)):
|
93 |
+
df_user.loc[index, f'角色{i+1}'] = character[i]
|
94 |
+
# if len(character) == 3:
|
95 |
+
# df_user.loc[index, '角色1'] = character[0]
|
96 |
+
# df_user.loc[index, '角色2'] = character[1]
|
97 |
+
# df_user.loc[index, '角色3'] = character[2]
|
98 |
+
df_user.to_excel("user_gradio系統.xlsx")
|
99 |
+
return df_user
|
100 |
+
#return message
|
101 |
+
|
102 |
+
def embedd_df_user(df_user):
|
103 |
+
|
104 |
+
columns_to_encode=df_user.loc[:,["形容詞1", "形容詞2", "形容詞3"]]
|
105 |
+
|
106 |
+
# 初始化一個空的 DataFrame,用來存儲向量化結果
|
107 |
+
embedd_user=df_user[["輸入內容"]]
|
108 |
+
#user_em= user_em.assign(形容詞1=None, 形容詞2=None, 形容詞3=None,角色1=None,角色2=None,角色3=None)
|
109 |
+
embedd_user= embedd_user.assign(形容詞1=None, 形容詞2=None, 形容詞3=None)
|
110 |
+
|
111 |
+
|
112 |
+
# 遍歷每一個單元格,將結果存入新的 DataFrame 中
|
113 |
+
i=len(df_user)-1
|
114 |
+
for col in columns_to_encode:
|
115 |
+
#print(i,col)
|
116 |
+
# 將每個單元格的內容進行向量化
|
117 |
+
embedd_user.at[i, col] = model.encode(df_user.at[i, col])
|
118 |
+
|
119 |
+
embedd_user.to_pickle(r"C:\Users\user\推薦系統實作\user_gradio系統.pkl")
|
120 |
+
|
121 |
+
return embedd_user
|
122 |
+
#word="happy"
|
123 |
+
#return word
|
124 |
+
|
125 |
+
def top_n_books_by_average(df, n=3):
|
126 |
+
|
127 |
+
# 根据 `average` 列降序排序
|
128 |
+
sorted_df = df.sort_values(by='average', ascending=False)
|
129 |
+
|
130 |
+
# 选择前 N 行
|
131 |
+
top_n_df = sorted_df.head(n)
|
132 |
+
|
133 |
+
# 提取书名列
|
134 |
+
top_books = top_n_df['書名'].tolist()
|
135 |
+
|
136 |
+
return top_books,sorted_df
|
137 |
+
|
138 |
+
def similarity(embedd_user,embedd_bk,df_bk):
|
139 |
+
df_similarity= pd.DataFrame(df_bk[['書名','短文','URL',"形容詞1", "形容詞2", "形容詞3", '角色1', '角色2', '角色3']])
|
140 |
+
df_similarity['average'] = np.nan
|
141 |
+
#for p in range(len(embedd_user)):
|
142 |
+
index=len(embedd_user)-1
|
143 |
+
for k in range(len(embedd_bk)):
|
144 |
+
list=[]
|
145 |
+
for i in range(1,4):
|
146 |
+
for j in range(3,6):
|
147 |
+
vec1=embedd_user.iloc[index,i]#i是第i個形容詞,index是第幾個是使用者輸入
|
148 |
+
vec2=embedd_bk.iloc[k,j]
|
149 |
+
similarity = cosine_similarity([vec1], [vec2])
|
150 |
+
list.append(similarity[0][0])
|
151 |
+
# 计算总和
|
152 |
+
total_sum = sum(list)
|
153 |
+
# 计算数量
|
154 |
+
count = len(list)
|
155 |
+
# 计算平均值
|
156 |
+
average = total_sum / count
|
157 |
+
df_similarity.loc[k,'average']=average
|
158 |
+
|
159 |
+
top_books,sorted_df = top_n_books_by_average(df_similarity)
|
160 |
+
return sorted_df
|
161 |
+
|
162 |
+
def filter(sorted_df,df_user):
|
163 |
+
filter_prompt4 = PromptTemplate(
|
164 |
+
input_variables=["mental_issue", "user_identity"," book","book_reader", "book_description"],
|
165 |
+
template="""[INST]<<SYS>>你是專業的心理諮商師和書籍推薦專家,擅長根據使用者的心理問題、身份特質,以及書名、書籍針對的主題和適合的讀者,判斷書籍是否適合推薦給使用者。
|
166 |
+
|
167 |
+
你的目的是幫助讀者找到可以緩解心理問題的書籍。請注意:
|
168 |
+
1. 若書籍針對的問題與使用者的心理問題有關聯,即使書籍適合的讀者群與使用者身份沒有直接關聯,應偏向推薦。
|
169 |
+
2. 若使用者身份的需求與書籍針對的問題有潛在關聯,應偏向推薦。
|
170 |
+
3. 若書籍適合的讀者與使用者身份特質有任何關聯,應傾向推薦。
|
171 |
+
4. 若書名跟使用者的心理問題或身分特質有任何關聯,應偏向推薦<</SYS>>
|
172 |
+
|
173 |
+
使用者提供的資訊如下:
|
174 |
+
使用者身份是「{user_identity}」,其心理問題是「{mental_issue}」。書名是{book},書籍適合的讀者群為「{book_reader}」,書籍針對的問題是「{book_description}」。
|
175 |
+
|
176 |
+
請根據以上資訊判斷這本書是否適合推薦給該使用者。
|
177 |
+
僅輸出「是」或「否」,輸出後即停止。[/INST]"""
|
178 |
+
)
|
179 |
+
df_filter=sorted_df.iloc[:20,:]
|
180 |
+
df_filter = df_filter.reset_index(drop=True)
|
181 |
+
df_filter=df_filter.assign(推薦=None)
|
182 |
+
|
183 |
+
|
184 |
+
p=len(df_user)-1
|
185 |
+
sum_for_bk=0
|
186 |
+
# 提取角色內容
|
187 |
+
role1 = df_user["角色1"].iloc[p] if pd.notnull(df_user["角色1"].iloc[p]) else ""
|
188 |
+
role2 = df_user["角色2"].iloc[p] if pd.notnull(df_user["角色2"].iloc[p]) else ""
|
189 |
+
role3 = df_user["角色3"].iloc[p] if pd.notnull(df_user["角色3"].iloc[p]) else ""
|
190 |
+
|
191 |
+
# 用"、"連接不為空的角色
|
192 |
+
user_identity = "、".join([role for role in [role1, role2, role3] if role]) # 只加入有內容的角色
|
193 |
+
|
194 |
+
#user_identity = df_user["角色1"].iloc[p]+"、"+df_user["角色2"].iloc[p]+"、"+df_user["角色3"].iloc[p]
|
195 |
+
mental_issue=df_user["形容詞1"].iloc[p]+"、"+df_user["形容詞2"].iloc[p]+"、"+df_user["形容詞3"].iloc[p]
|
196 |
+
for k in range(len(df_filter)):
|
197 |
+
#word=df_user["輸入內容"].iloc[p]
|
198 |
+
#book_reader = df_filter["角色1"].iloc[p] + "or" + df_filter["角色2"].iloc[p] + "or" + df_filter["角色3"].iloc[p]
|
199 |
+
book=df_filter["書名"].iloc[k]
|
200 |
+
book_reader = df_filter["角色1"].iloc[k]
|
201 |
+
# user_identity = df_user["角色1"].iloc[p]+"、"+df_user["角色2"].iloc[p]+"、"+df_user["角色3"].iloc[p]
|
202 |
+
# mental_issue=df_user["形容詞1"].iloc[p]+"、"+df_user["形容詞2"].iloc[p]+"、"+df_user["形容詞3"].iloc[p]
|
203 |
+
book_description=df_filter["形容詞1"].iloc[k]+"、"+df_filter["形容詞2"].iloc[k]+"、"+df_filter["形容詞3"].iloc[k]
|
204 |
+
print(book_reader)
|
205 |
+
print(user_identity)
|
206 |
+
#output = filter_prompt1.invoke({"user_identity": user_identity, "book_reader": book_reader})
|
207 |
+
output = filter_prompt4.invoke({"mental_issue":mental_issue,"user_identity": user_identity, "book":book,"book_description":book_description,"book_reader": book_reader})
|
208 |
+
string2=invoke_with_temperature(output)
|
209 |
+
df_filter.loc[k, '推薦'] =string2
|
210 |
+
if string2.strip()=="是":
|
211 |
+
sum_for_bk+=1
|
212 |
+
if(sum_for_bk==3):
|
213 |
+
break
|
214 |
+
df_recommend=df_filter[df_filter["推薦"].str.strip() == "是"]
|
215 |
+
|
216 |
+
return df_recommend
|
217 |
+
|
218 |
+
def output_content(df_recommend):
|
219 |
+
|
220 |
+
title = {}
|
221 |
+
URL = {}
|
222 |
+
summary = {}
|
223 |
+
|
224 |
+
for i in range(3):
|
225 |
+
title[f'title_{i}'] = df_recommend.iloc[i, 0] # Using iloc instead of loc
|
226 |
+
URL[f'URL_{i}'] = df_recommend.iloc[i, 2]
|
227 |
+
summary[f'summary_{i}'] = df_recommend.iloc[i, 1]
|
228 |
+
|
229 |
+
output = f"""根據您的狀態,這裡提供三本書供您參考\n
|
230 |
+
<第一本>
|
231 |
+
書名:{title['title_0']}\n
|
232 |
+
本書介紹:{summary['summary_0']}\n
|
233 |
+
購書網址:{URL['URL_0']}\n
|
234 |
+
<第二本>
|
235 |
+
書名:{title['title_1']}\n
|
236 |
+
本書介紹:{summary['summary_1']}\n
|
237 |
+
購書網址:{URL['URL_1']}\n
|
238 |
+
<第三本>
|
239 |
+
書名:{title['title_2']}\n
|
240 |
+
本書介紹:{summary['summary_2']}\n
|
241 |
+
購書網址:{URL['URL_2']}\n
|
242 |
+
希望對您有所幫助"""
|
243 |
+
return output
|
244 |
+
|
245 |
+
def main_pipeline(message,history):
|
246 |
+
|
247 |
+
df_user=process_user_input(message)
|
248 |
+
embedd_user=embedd_df_user(df_user)
|
249 |
+
sorted_df=similarity(embedd_user,embedd_bk,df_bk)
|
250 |
+
df_filter=filter(sorted_df,df_user)
|
251 |
+
final=output_content(df_filter)
|
252 |
+
return final
|
253 |
+
|
254 |
+
css = """
|
255 |
+
.chatbox .message-box {
|
256 |
+
height: 500px !important; # 設定訊息框的高度
|
257 |
+
width: 100%
|
258 |
+
overflow-y: auto; # 如果內容超出高度則顯示滾動條
|
259 |
+
text-rendering: optimizeLegibility; # 啟用抗鋸齒渲染
|
260 |
+
}
|
261 |
+
|
262 |
+
|
263 |
+
"""
|
264 |
+
|
265 |
+
theme=gr.themes.Default(primary_hue=gr.themes.colors.red, secondary_hue=gr.themes.colors.pink,font=[gr.themes.GoogleFont("LXGW WenKai Mono TC")]).set(
|
266 |
+
body_background_fill='#FFF5EE'
|
267 |
+
)
|
268 |
+
|
269 |
+
with gr.Blocks(theme=theme) as demo:
|
270 |
+
with gr.Row():
|
271 |
+
with gr.Column():
|
272 |
+
gr.Markdown("""
|
273 |
+
<div style="text-align: center;">
|
274 |
+
<h1 style="display: inline; vertical-align: middle;">
|
275 |
+
<img src="https://encrypted-tbn0.gstatic.com/images?q=tbn:ANd9GcR_Rj6Add1OjrIeVXL4z84YzG4QIEuM4ptvvQ&s"
|
276 |
+
width="100" height="100" style="display: inline; vertical-align: middle; margin-right: 10px;">
|
277 |
+
心理書籍推薦系統
|
278 |
+
<img src="https://encrypted-tbn0.gstatic.com/images?q=tbn:ANd9GcR_Rj6Add1OjrIeVXL4z84YzG4QIEuM4ptvvQ&s"
|
279 |
+
width="100" height="100" style="display: inline; vertical-align: middle; margin-left: 10px;">
|
280 |
+
</h1>
|
281 |
+
</div>
|
282 |
+
""")
|
283 |
+
|
284 |
+
gr.ChatInterface(
|
285 |
+
main_pipeline,
|
286 |
+
type="messages",
|
287 |
+
title="", # title 設為空,使用自定義 Markdown 標題
|
288 |
+
description='<div style="text-align: center;font-size:16px">這是個讓人放鬆的網站,希望透過讓人抒發心情表達現在面臨的狀況與挑戰,從書裡獲得解答。</div><div style="text-align: center;font-size: 16px;">-你可以告訴我們最近的心情和想法,放心我們不會儲存任何紀錄-</div>',
|
289 |
+
css=css
|
290 |
+
)
|
291 |
+
|
292 |
+
if __name__ == "__main__":
|
293 |
+
demo.launch(share=True)
|
294 |
+
|
295 |
+
|
296 |
+
# In[ ]:
|
297 |
+
|
298 |
+
|
299 |
+
|
300 |
+
|
|
|
|
|
|
|
|
|
|