Create app.py

app.py

@@ -0,0 +1,56 @@
+import gradio as gr
+from transformers import AutoModelForCausalLM, AutoTokenizer
+
+# モデルとトークナイザーの読み込み
+model_name = "rinna/nekomata-7b"
+tokenizer = AutoTokenizer.from_pretrained(model_name, use_fast=False)  # Slow tokenizerを使用
+model = AutoModelForCausalLM.from_pretrained(model_name)
+
+# 生成用の関数
+def respond(input_text, system_message, max_tokens, temperature, top_p):
+    # システムメッセージとユーザー入力を結合
+    input_text_combined = f"システム: {system_message}\nユーザー: {input_text}\n"
+    
+    # トークン化
+    inputs = tokenizer(input_text_combined, return_tensors="pt")
+    
+    # モデルに入力を渡して生成
+    outputs = model.generate(
+        **inputs,
+        max_length=max_tokens,  # 最大トークン数
+        top_p=top_p,  # nucleus sampling のパラメータ
+        do_sample=True,  # サンプリングを有効にする
+        temperature=temperature,  # 生成の温度
+        pad_token_id=tokenizer.eos_token_id
+    )
+    
+    # トークンをテキストにデコード
+    response = tokenizer.decode(outputs[0], skip_special_tokens=True)
+    
+    # レスポンスを返す
+    return response
+
+# Gradioインターフェースの作成
+with gr.Blocks() as demo:
+    gr.Markdown("## nekomataチャットボット")
+
+    # 追加の入力フィールドをリストで設定
+    additional_inputs = [
+        gr.Textbox(value="ユーザーの質問と依頼のみに答えてください。ポジティブに.", label="システムメッセージ"),
+        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="新規トークン最大"),
+        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="温度"),
+        gr.Slider(minimum=0.1, maximum=1.0, value=0.95, step=0.05, label="Top-p (核サンプリング)")
+    ]
+
+    # ユーザーのメイン入力
+    input_text = gr.Textbox(label="ユーザー入力", placeholder="質問やテキストを入力してください")
+
+    # 出力エリア（"respond"という名前に変更）
+    output_text = gr.Textbox(label="respond")
+
+    # ボタンとアクション
+    submit_button = gr.Button("送信")
+    submit_button.click(respond, inputs=[input_text] + additional_inputs, outputs=output_text)
+
+# インターフェースの起動
+demo.launch()