Spaces:
Running
Running
| import os | |
| import gradio as gr | |
| from gradio.components import Slider | |
| from transformers import pipeline, AutoTokenizer, AutoModelForCausalLM, BitsAndBytesConfig | |
| import torch | |
| # Model, information and examples ---------------------------------------------- | |
| MODEL_NAMES = ["Carballo-bloom-1.3B","Carvalho_pt-gl","Carballo-cerebras-1.3B"] | |
| markdown_description_gl = """ | |
| [*English below*] | |
| Este espazo contén diferentes Grandes Modelos da Linguaxe feitos para o galego desenvolvidos polo [Proxecto Nós](https://nos.gal/en/proxecto-nos). | |
| 💐 **[Carballo-bloom-1.3B](https://huggingface.co/proxectonos/Carballo-bloom-1.3B)** é un modelo de 1.3B parámetros que é un preadestramento continuo de [FLOR-1.3B]( https://huggingface.co/projecte-aina/FLOR-1.3B), baseado a súa vez en [Bloom 1.7B](https://huggingface.co/bigscience/bloom-1b7). | |
| 👀 **Máis información sobre Carballo-bloom-1.3B:** [tarxeta modelo oficial HF](https://huggingface.co/proxectonos/Carballo-bloom-1.3B). | |
| 🧠 **[Carballo-cerebras-1.3B](https://huggingface.co/proxectonos/Carballo-cerebras-1.3B)** é un modelo de 1.3B parámetros baseado en [Cerebras-GPT 1.3B](https://huggingface.co/cerebras/Cerebras-GPT-1.3B). | |
| 👀 **Máis información sobre Carballo-cerebras-1.3B:** [tarxeta modelo oficial HF](https://huggingface.co/proxectonos/Carballo-cerebras-1.3B) | |
| 🧠 **[Carvalho_pt-gl](https://huggingface.co/Nos-PT/Carvalho_pt-gl-1.3B)** é un modelo de 1.3B parámetros baseado en [Cerebras-GPT 1.3B](https://huggingface.co/cerebras/Cerebras-GPT-1.3B) que pode traballar en galego e portugués, feito en colaboración co [VISTA Lab]() da Universidade de Évora. | |
| 👀 **Máis información sobre Carvalho_pt-gl:** [tarxeta modelo oficial HF](https://huggingface.co/Nos-PT/Carvalho_pt-gl-1.3B) | |
| """ | |
| markdown_description_en = """ | |
| ## English description | |
| This space contains the Galician language models developed by [Proxecto Nós](https://nos.gal/en/proxecto-nos). | |
| 💐 **[Carballo-bloom-1.3B](https://huggingface.co/proxectonos/Carballo-bloom-1.3B)** is a 1.3B parameters model which is a Continual pretraining from [FLOR-1.3B](https://huggingface.co/projecte-aina/FLOR-1.3B), which is based in [Bloom 1.7B](https://huggingface.co/bigscience/bloom-1b7). | |
| 👀 **Learn more about Carballo-bloom-1.3B:** [HF official model card](https://huggingface.co/proxectonos/Carballo-bloom-1.3B). | |
| 🧠 **[Carballo-cerebras-1.3B](https://huggingface.co/proxectonos/Carballo-cerebras-1.3B)** is a 1.3B parameters model based in [Cerebras-GPT 1.3B](https://huggingface.co/cerebras/Cerebras-GPT-1.3B). | |
| 👀 **Learn more about Carballo-cerebras-1.3B:** [HF official model card](https://huggingface.co/proxectonos/Carballo-cerebras-1.3B) | |
| 📖 **[Carvalho_pt-gl](https://huggingface.co/Nos-PT/Carvalho_pt-gl-1.3B)** is a 1.3B parameters model based in [Cerebras-GPT 1.3B](https://huggingface.co/cerebras/Cerebras-GPT-1.3B) that can work in Galician and Portuguese, developed in collaboration with the [VISTA Lab](https://www.uevora.pt/en/research/R-D-Unit/vista-lab) at the University of Évora. | |
| 👀 **More information about Carvalho_pt-gl:** [official HF model card](https://huggingface.co/Nos-PT/Carvalho_pt-gl-1.3B) | |
| """ | |
| short_prompts_examples = [ | |
| ["A receita tradicional das filloas é"], | |
| ["O neno vivía preto de"] | |
| ] | |
| few_shot_prompts_examples = [ | |
| ["Responde á seguinte pregunta. \nPregunta: \"Cal é a capital de Noruega? \"\nResposta: \"A capital de Noruega é Oslo.\"\n---- \nResponde á seguinte pregunta.\nPregunta: \"Cal é a moeda de Portugal\" \nResposta: \"A moeda de Portugal é o euro.\" \n---- \nResponde á seguinte pregunta. \nPregunta: \"Cal é a capital de Suecia?\"\nResposta:"], | |
| ["Extrae as entidades nomeadas do seguinte texto: \nTexto: \"Chámome Wolfgang e vivo en Berlin\" \nEntidades: Wolfgang:PER, Berlin:LOC \n ---- \nExtrae as entidades nomeadas do seguinte texto: \nTexto: \"María e Miguel non teñen ningún problema\" \nEntidades: María:PER, Miguel:PER \n---- \nExtrae as entidades nomeadas do seguinte texto: \nTexto: \"O mellor de Barcelona é o bar do meu amigo Pablo\" \nEntidades: Pablo:PER, Barcelona:LOC \n---- \nExtrae as entidades nomeadas do seguinte texto: \nTexto: \"Carlos comparte cuarto con Marc\" \nEntidades:"], | |
| ["Cualifica como Positivo ou Negativo o sentimento da seguinte frase:\n Texto: \"Estou moi feliz\"\n Polaridade: Positivo\n ---- \n Cualifica como Positivo ou Negativo o sentimento da seguinte frase:\n Texto: \"Non me gusta beber cervexa\"\n Polaridade: Negativo\n ----\n Cualifica como Positivo ou Negativo o sentimento da seguinte frase:\n Texto: \"O meu pai detesta o seu traballo\"\n Polaridade: Negativo\n ----\n Cualifica como Positivo ou Negativo o sentimento da seguinte frase:\n Texto: \"Uxía desfruta xogando ao fútbol\"\n Polaridade: Positivo\n ----\n Cualifica como Positivo ou Negativo o sentimento da seguinte frase:\n Texto: \"O neno non está contento coas notas\"\n Polaridade:"], | |
| ["Traduce ao galego esta frase en inglés:\n Inglés: \"my sister is studying Biology at the university.\"\n Galego: \"a miña irmá está a estudar bioloxía na universidade.\"\n ---- \nTraduce ao galego esta frase en inglés:\n Inglés: \"You are working with my mother on a very interesting project.\"\n Galego: \"Estás a traballar coa miña nai nun proxecto moi interesante\"\n ---- \n Traduce ao galego esta frase en inglés:\n Inglés: \"You have to fix the computer now\"\n Galego:"] | |
| ] | |
| fronted_theme = 'Soft' | |
| # Model charge --------------------------------------------------------- | |
| model_id_bloom = "proxectonos/Carballo-bloom-1.3B" | |
| model_id_carvalho = "Nos-PT/Carvalho_pt-gl-1.3B" | |
| model_id_cerebras = "proxectonos/Carballo-cerebras-1.3B" | |
| generator_model_gl = pipeline("text-generation", model=model_id_bloom) | |
| generator_model_pt = pipeline("text-generation", model=model_id_carvalho) | |
| print(generator_model_gl.model.name_or_path) | |
| # Generation functions --------------------------------------------------------- | |
| def get_model(model_selection): | |
| if model_selection == "Carballo-bloom-1.3B": | |
| if generator_model_gl.model.name_or_path != model_id_bloom: | |
| generator_model_gl = pipeline("text-generation", model=model_id_bloom) | |
| return generator_model_gl | |
| elif model_selection == "Carballo-cerebras-1.3B": | |
| if generator_model_gl.model.name_or_path != model_id_cerebras: | |
| generator_model_gl = pipeline("text-generation", model=model_id_cerebras) | |
| return generator_model_gl | |
| else: | |
| return generator_model_pt | |
| def remove_empty_lines(text): | |
| lines = text.strip().split("\n") | |
| non_empty_lines = [line for line in lines if line.strip()] | |
| return "\n".join(non_empty_lines) | |
| def predict(prompt, model_select, max_length, repetition_penalty, temperature): | |
| print("Dentro da xeración...") | |
| generator_model = get_model(model_select) | |
| prompt_length = len(generator_model.tokenizer.encode(prompt)) | |
| generated_text = generator_model( | |
| prompt, | |
| max_length=prompt_length + max_length, | |
| pad_token_id=generator_model.tokenizer.eos_token_id, | |
| repetition_penalty=repetition_penalty, | |
| temperature=temperature, | |
| do_sample=True) | |
| generated_sequence = generated_text[0]['generated_text'] | |
| if generated_sequence is None: | |
| gr.Warning('Inference endpoint is not available right now. Please try again later.') | |
| return | |
| generated_sequence = remove_empty_lines(generated_sequence) | |
| print("Xeración completada") | |
| return generated_sequence | |
| # Gradio app --------------------------------------------------------- | |
| def clear(): | |
| return ( | |
| None, | |
| None, | |
| gr.update(value=20), | |
| gr.update(value=1.3), | |
| gr.update(value=0.5) | |
| ) | |
| def pass_to_input(generated_gl): | |
| return ( | |
| gr.update(value=generated_gl), | |
| None | |
| ) | |
| def parameters_default(text): | |
| return ( | |
| gr.update(value=30), # max_length | |
| gr.update(value=1.3), # repetition_penalty | |
| gr.update(value=0.5) # temperature | |
| ) | |
| def parameters_fewshot_prompt(text): | |
| return ( | |
| gr.update(value=15), # max_length | |
| gr.update(value=1), # repetition_penalty | |
| gr.update(value=0.5) # temperature | |
| ) | |
| def gradio_app(): | |
| with gr.Blocks(theme=fronted_theme) as demo: | |
| with gr.Row(): | |
| gr.Markdown( | |
| """ | |
| ## 🍂 Grandes Modelos da Linguaxe en galego / Galician Language Models | |
| """ | |
| ) | |
| with gr.Row(): | |
| with gr.Column(): | |
| gr.Markdown( | |
| """ | |
| ## <img src="https://huggingface.co/spaces/proxectonos/README/resolve/main/title-card.png" width="100%" style="border-radius: 0.75rem;"> | |
| """ | |
| ) | |
| with gr.Column(): | |
| gr.Markdown(markdown_description_gl) | |
| with gr.Row(equal_height=True): | |
| model_select = gr.Dropdown( | |
| label="Selecione un modelo / Select a model", | |
| choices=MODEL_NAMES, | |
| value=MODEL_NAMES[0], | |
| interactive=True | |
| ) | |
| with gr.Row(equal_height=True): | |
| with gr.Column(): | |
| text_gl = gr.Textbox(label="Entrada / Input", | |
| lines=6, placeholder="e.g. O neno vai a escola con ") | |
| with gr.Row(variant="panel"): | |
| with gr.Accordion("Parámetros do modelo / Model parameters", open=False): | |
| max_length = Slider( | |
| minimum=1, | |
| maximum=200, | |
| step=1, | |
| value=30, | |
| label="Max tokens" | |
| ) | |
| repetition_penalty = Slider( | |
| minimum=0.1, | |
| maximum=4, | |
| step=0.1, | |
| value=1.3, | |
| label="Penalización por repetición / Repetition penalty" | |
| ) | |
| temperature = Slider( | |
| minimum=0, | |
| maximum=1, | |
| value=0.5, | |
| label="Temperatura / Temperature" | |
| ) | |
| generator_btn = gr.Button(value="Xerar / Generate",variant='primary') | |
| with gr.Column(): | |
| generated_gl = gr.Textbox(label="Saída / Output", | |
| lines=6, | |
| placeholder="O texto xerado aparecerá aquí...", | |
| interactive=False, | |
| show_copy_button=True) | |
| pass_btn = gr.Button(value="Pasar texto xerado á entrada / Pass generated text to input",variant='secondary') | |
| clean_btn = gr.Button(value="Limpar / Clear",variant='secondary') | |
| generator_btn.click(predict, inputs=[text_gl, model_select, max_length, repetition_penalty, temperature], outputs=generated_gl, api_name="generate-flor-gl") | |
| clean_btn.click(fn=clear, inputs=[], outputs=[text_gl, generated_gl, max_length, repetition_penalty, temperature], queue=False, api_name=False) | |
| pass_btn.click(fn=pass_to_input, inputs=[generated_gl], outputs=[text_gl,generated_gl], queue=False, api_name=False) | |
| with gr.Row(): | |
| with gr.Column(scale=0.5): | |
| gr.Examples( | |
| label = "Prompts curtos / Short prompts", | |
| examples = short_prompts_examples, | |
| inputs = [text_gl], | |
| outputs = [max_length, repetition_penalty, temperature], | |
| fn = parameters_default, | |
| run_on_click = True | |
| ) | |
| gr.Examples( | |
| label = "Prompts con poucos exemplos / Few-shot prompts", | |
| examples = few_shot_prompts_examples, | |
| inputs = [text_gl], | |
| outputs = [max_length, repetition_penalty, temperature], | |
| fn = parameters_fewshot_prompt, | |
| run_on_click = True | |
| ) | |
| with gr.Row(): | |
| gr.Markdown(markdown_description_en) | |
| demo.launch() | |
| if __name__ == "__main__": | |
| gradio_app() |