first commit

README.md

@@ -1,13 +1,13 @@
 ---
-title: TeenyTinyLlama
-emoji: 🐢
-colorFrom: gray
-colorTo: gray
+title: TeenyTinyLlama-Chat
+emoji: 🦙
+colorFrom: pink
+colorTo: purple
 sdk: gradio
-sdk_version: 4.14.0
+sdk_version: 4.5.0
 app_file: app.py
 pinned: false
 license: apache-2.0
 ---
 
-Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
+Check TeenyTinyLlama [here](https://huggingface.co/nicholasKluge/TeenyTinyLlama-460m).

app.py

@@ -0,0 +1,120 @@
+import os
+import time
+import torch
+import joblib
+import gradio as gr
+from datasets import load_dataset
+from transformers import AutoTokenizer, AutoModelForCausalLM, AutoModelForSequenceClassification
+
+hub_token = os.environ.get("HUB_TOKEN")
+model_id = "nicholasKluge/TeenyTinyLlama-160m-Chat"
+device = torch.device("cuda" if torch.cuda.is_available() else "cpu") 
+
+model = AutoModelForCausalLM.from_pretrained(model_id, token=hub_token)
+tokenizer = AutoTokenizer.from_pretrained(model_id, token=hub_token)
+
+model.eval()
+model.to(device)
+
+intro = """
+O TeenyTinyLlama é um modelo de linguagem compacto baseado na arquitetura Llama 2 ([TinyLlama implementation](https://huggingface.co/TinyLlama)).Esse modelo foi projetado para oferecer recursos eficientes de processamento de linguagem natural e, ao mesmo tempo, consumir poucos recursos. Esses modelos foram treinados aproveitando as [leis de escalonamento](https://arxiv.org/abs/2203.15556) para determinar o número ideal de tokens por parâmetro e incorporando o [pré-treinamento de preferências](https://arxiv.org/abs/2112.00861).
+
+Esse repositório contém uma versão de [TeenyTinyLlama-160m](https://huggingface.co/nicholasKluge/TeenyTinyLlama-160m) (`TeenyTinyLlama-160m-Chat`) afinada no [Instruct-Aira Dataset version 2.0](https://huggingface.co/datasets/nicholasKluge/instruct-aira-dataset-v2).
+
+## Limitações
+
+Desenvolvemos este modelo de conversação através de ajuste fino por instruções. Esta abordagem tem muitas limitações. Apesar de podermos criar um chatbot capaz de responder a perguntas sobre qualquer assunto, é difícil forçar o modelo a produzir respostas de boa qualidade. E por boa, queremos dizer texto **factual** e **não tóxico**. Isto leva-nos a alguns dos problemas mais comuns quando lidando com modelos generativos utilizados em aplicações de conversação:
+
+**Alucinações:** Esse modelo pode produzir conteúdo que pode ser confundido com a verdade, mas que é, de fato, enganoso ou totalmente falso, ou seja, alucinação.
+
+**Vieses e toxicidade:** Esse modelo herda os estereótipos sociais e históricos dos dados usados para treiná-lo. Devido a esses vieses, o modelo pode produzir conteúdo tóxico, ou seja, nocivo, ofensivo ou prejudicial a indivíduos, grupos ou comunidades.
+
+**Código não confiável:** O modelo pode produzir trechos de código e declarações incorretos. Essas gerações de código não devem ser tratadas como sugestões ou soluções precisas.
+
+**Limitações de idioma:** O modelo foi projetado principalmente para entender o português padrão (BR). Outros idiomas podem desafiar sua compreensão, levando a possíveis interpretações errôneas ou erros na resposta.
+
+**Repetição e verbosidade:** O modelo pode ficar preso em loops de repetição (especialmente se a penalidade de repetição durante as gerações for definida com um valor baixo) ou produzir respostas detalhadas sem relação com o prompt recebido.
+
+## Uso Intendido
+
+TeenyTinyLlama destina-se apenas à investigação academica. Para mais informações, leia nossa [carta modelo](https://huggingface.co/nicholasKluge/TeenyTinyLlama-160m).
+"""
+
+disclaimer = """
+**Isenção de responsabilidade:** Esta demonstração deve ser utilizada apenas para fins de investigação. Os moderadores não censuram a saída do modelo, e os autores não endossam as opiniões geradas por este modelo.
+
+Se desejar apresentar uma reclamação sobre qualquer mensagem produzida, por favor contatar [[email protected]](mailto:[email protected]).
+"""
+
+with gr.Blocks(theme='freddyaboulton/dracula_revamped') as demo:
+
+    gr.Markdown("""<h1><center>TeenyTinyLlama-160m-Chat 🦙💬</h1></center>""")
+    gr.Markdown(intro)
+
+    
+    chatbot = gr.Chatbot(label="TeenyTinyLlama", 
+                        height=500,
+                        show_copy_button=True,
+                        avatar_images=("./astronaut.png", "./llama.png"),
+                        render_markdown= True,
+                        line_breaks=True,
+                        likeable=False,
+                        layout='panel')
+                         
+    msg = gr.Textbox(label="Escreva uma pergunta ou instrução ...", placeholder="Qual a capital do Brasil?")
+
+    # Parameters to control the generation
+    with gr.Accordion(label="Parâmetros ⚙️", open=False):
+        top_k = gr.Slider(minimum=10, maximum=100, value=30, step=5, interactive=True, label="Top-k", info="Controla o número de tokens de maior probabilidade a considerar em cada passo.")
+        top_p = gr.Slider(minimum=0.1, maximum=1.0, value=0.30, step=0.05, interactive=True, label="Top-p", info="Controla a probabilidade cumulativa dos tokens gerados.")
+        temperature = gr.Slider(minimum=0.1, maximum=2.0, value=0.1, step=0.1, interactive=True, label="Temperatura", info="Controla a aleatoriedade dos tokens gerados.")
+        repetition_penalty = gr.Slider(minimum=1, maximum=2, value=1.2, step=0.1, interactive=True, label="Penalidade de Repetição", info="Valores mais altos auxiliam o modelo a evitar repetições na geração de texto.")
+        max_new_tokens = gr.Slider(minimum=10, maximum=500, value=200, step=10, interactive=True, label="Comprimento Máximo", info="Controla o número máximo de tokens a serem produzidos (ignorando o prompt).")
+    
+    clear = gr.Button("Limpar Conversa 🧹")
+    
+    gr.Markdown(disclaimer)
+
+    def user(user_message, chat_history):
+        """
+        Chatbot's user message handler.
+        """
+        return gr.update(value=user_message, interactive=True), chat_history + [[user_message, None]]
+
+    def generate_response(user_msg, top_p, temperature, top_k, max_new_tokens, repetition_penalty, chat_history):
+        """
+        Chatbot's response generator.
+        """
+
+        inputs = tokenizer("<instruction>" + user_msg + "</instruction>", return_tensors="pt").to(model.device)
+
+        generated_response = model.generate(**inputs,
+            bos_token_id=tokenizer.bos_token_id,
+            pad_token_id=tokenizer.pad_token_id,
+            eos_token_id=tokenizer.eos_token_id,
+            repetition_penalty=repetition_penalty,
+            do_sample=True,
+            early_stopping=True,
+            renormalize_logits=True,
+            top_k=top_k,
+            max_new_tokens=max_new_tokens,
+            top_p=top_p,
+            temperature=temperature)
+
+        bot_message = [tokenizer.decode(tokens, skip_special_tokens=True).replace(user_msg + "</instruction>", "") for tokens in generated_response][0]
+
+        chat_history[-1][1] = ""
+        for character in bot_message:
+            chat_history[-1][1] += character
+            time.sleep(0.005)
+            yield chat_history  
+    
+    response = msg.submit(user, [msg, chatbot], [msg, chatbot], queue=False).then(
+        generate_response, [msg, top_p, temperature, top_k, max_new_tokens, repetition_penalty, chatbot], chatbot
+    )
+    response.then(lambda: gr.update(interactive=True), None, [msg], queue=False)
+    msg.submit(lambda x: gr.update(value=''), None,[msg])
+    clear.click(lambda: None, None, chatbot, queue=False)
+
+demo.queue()
+demo.launch()

requirements.txt

@@ -0,0 +1,8 @@
+scipy
+gradio
+torch
+transformers
+accelerate
+scikit-learn 
+joblib 
+datasets