fschwartzer's picture
Update app.py
c815f34 verified
raw
history blame
2.35 kB
import pandas as pd
import gradio as gr
from transformers import BertTokenizer, BertForSequenceClassification
import torch
tokenizer = BertTokenizer.from_pretrained('juridics/bertimbaulaw-base-portuguese-sts-scale')
model = BertForSequenceClassification.from_pretrained('juridics/bertimbaulaw-base-portuguese-sts-scale')
# Dados iniciais
data = {
'Nome': ['Alice', 'Bob', 'Charlie'],
'Idade': [25, 30, 35],
'Cidade': ['Nova York', 'Los Angeles', 'Chicago'],
'Feedback': [None, None, None]
}
df = pd.DataFrame(data)
# Função para adicionar feedback
def add_feedback(nome, feedback):
global df
df.loc[df['Nome'] == nome, 'Feedback'] = feedback
return df
# Função para obter uma resposta do GPT (substituição para chamada real ao GPT)
def get_gpt_response(query):
# Converte o DataFrame para string CSV
csv_data = df.to_csv(index=False)
# Cria contexto com feedback
context = f"""
Aqui estão os dados das pessoas incluindo seus nomes, idades, cidades onde moram e feedback:
{csv_data}
"""
inputs = tokenizer(query, return_tensors="pt", padding=True, truncation=True)
outputs = model(**inputs)
prediction = torch.argmax(outputs.logits, dim=1)
labels = data.columns
predicted_label = labels[prediction]
return predicted_label
def ask_question(pergunta):
resposta = get_gpt_response(pergunta)
return resposta
def submit_feedback(nome, feedback):
updated_df = add_feedback(nome, feedback)
return updated_df
with gr.Blocks() as demo:
gr.Markdown("# Sistema de Consulta e Feedback de Dados")
with gr.Row():
with gr.Column():
question_input = gr.Textbox(label="Faça uma Pergunta")
response_output = gr.Textbox(label="Resposta do GPT", interactive=False)
ask_button = gr.Button("Perguntar")
with gr.Column():
name_input = gr.Textbox(label="Nome para Feedback")
feedback_input = gr.Textbox(label="Feedback")
submit_button = gr.Button("Enviar Feedback")
feedback_df = gr.Dataframe(label="DataFrame Atualizado", interactive=False)
ask_button.click(fn=ask_question, inputs=question_input, outputs=response_output)
submit_button.click(fn=submit_feedback, inputs=[name_input, feedback_input], outputs=feedback_df)
demo.launch()