import gradio as gr import pandas as pd from transformers import pipeline from huggingface_hub import InferenceClient import os import random import logging import openai # OpenAI API를 사용하기 위해 추가 # 로깅 설정 logging.basicConfig(filename='language_model_playground.log', level=logging.DEBUG, format='%(asctime)s - %(levelname)s - %(message)s') # 모델 목록 MODELS = { "Zephyr 7B Beta": "HuggingFaceH4/zephyr-7b-beta", "DeepSeek Coder V2": "deepseek-ai/DeepSeek-Coder-V2-Instruct", "Meta Llama 3.1 8B": "meta-llama/Meta-Llama-3.1-8B-Instruct", "Meta-Llama 3.1 70B-Instruct": "meta-llama/Meta-Llama-3.1-70B-Instruct", "Microsoft": "microsoft/Phi-3-mini-4k-instruct", "Mixtral 8x7B": "mistralai/Mistral-7B-Instruct-v0.3", "Mixtral Nous-Hermes": "NousResearch/Nous-Hermes-2-Mixtral-8x7B-DPO", "Cohere Command R+": "CohereForAI/c4ai-command-r-plus", "Aya-23-35B": "CohereForAI/aya-23-35B", "GPT-4o Mini": "gpt-4o-mini" # GPT-4o Mini 모델 추가 } # HuggingFace 토큰 설정 hf_token = os.getenv("HF_TOKEN") if not hf_token: raise ValueError("HF_TOKEN 환경 변수가 설정되지 않았습니다.") # OpenAI API 클라이언트 설정 openai.api_key = os.getenv("OPENAI_API_KEY") def call_hf_api(prompt, reference_text, max_tokens, temperature, top_p, model): if model == "gpt-4o-mini": return call_openai_api(prompt, max_tokens, temperature, top_p) client = InferenceClient(model=model, token=hf_token) combined_prompt = f"{prompt}\n\n참고 텍스트:\n{reference_text}" random_seed = random.randint(0, 1000000) try: response = client.text_generation( combined_prompt, max_new_tokens=max_tokens, temperature=temperature, top_p=top_p, seed=random_seed ) return response except Exception as e: logging.error(f"HuggingFace API 호출 중 오류 발생: {str(e)}") return f"응답 생성 중 오류 발생: {str(e)}. 나중에 다시 시도해 주세요." def call_openai_api(prompt, max_tokens, temperature, top_p): try: response = openai.ChatCompletion.create( model="gpt-4o-mini", messages=[ {"role": "user", "content": prompt}, ], max_tokens=max_tokens, temperature=temperature, top_p=top_p, ) return response.choices[0].message['content'] except Exception as e: logging.error(f"OpenAI API 호출 중 오류 발생: {str(e)}") return f"OpenAI 응답 생성 중 오류 발생: {str(e)}. 나중에 다시 시도해 주세요." def generate_response(prompt, reference_text, max_tokens, temperature, top_p, model): response = call_hf_api(prompt, reference_text, max_tokens, temperature, top_p, MODELS[model]) response_html = f"""

생성된 응답:

{response}
""" return response_html # 리뷰 파일 처리 함수 def process_reviews(file): df = pd.read_excel(file.name) if 'review' not in df.columns: return "리뷰 파일에 'review' 열이 없습니다. 올바른 파일을 업로드하세요." sentiment_analyzer = pipeline("sentiment-analysis") reviews = df['review'].tolist() # 감성 분석 수행 sentiments = sentiment_analyzer(reviews) # 긍정 및 부정 리뷰 필터링 positive_reviews = [r['review'] for r, s in zip(reviews, sentiments) if s['label'] == 'POSITIVE'][:10] negative_reviews = [r['review'] for r, s in zip(reviews, sentiments) if s['label'] == 'NEGATIVE'][:10] # 분석 결과 요약 total_reviews = len(reviews) positive_count = len([s for s in sentiments if s['label'] == 'POSITIVE']) negative_count = len([s for s in sentiments if s['label'] == 'NEGATIVE']) analysis_summary = f"총 리뷰 수: {total_reviews}, 긍정 리뷰 수: {positive_count}, 부정 리뷰 수: {negative_count}" return "\n".join(positive_reviews), "\n".join(negative_reviews), analysis_summary # Gradio 인터페이스 설정 with gr.Blocks() as demo: gr.Markdown("## 언어 모델 프롬프트 플레이그라운드") with gr.Column(): model_radio = gr.Radio(choices=list(MODELS.keys()), value="Zephyr 7B Beta", label="언어 모델 선택") prompt_input = gr.Textbox(label="프롬프트 입력", lines=5) reference_text_input = gr.Textbox(label="참고 텍스트 입력", lines=5) with gr.Row(): max_tokens_slider = gr.Slider(minimum=0, maximum=5000, value=2000, step=100, label="최대 토큰 수") temperature_slider = gr.Slider(minimum=0, maximum=1, value=0.75, step=0.05, label="온도") top_p_slider = gr.Slider(minimum=0, maximum=1, value=0.95, step=0.05, label="Top P") generate_button = gr.Button("응답 생성") response_output = gr.HTML(label="생성된 응답") # 리뷰 파일 업로드 메뉴 추가 file_input = gr.File(label="리뷰 엑셀 파일 업로드") positive_reviews_output = gr.Textbox(label="대표 긍정 리뷰 10개", lines=10, interactive=False) negative_reviews_output = gr.Textbox(label="대표 부정 리뷰 10개", lines=10, interactive=False) analysis_output = gr.Textbox(label="분석 결과", interactive=False) # 리뷰 파일 처리 버튼 file_input.change( process_reviews, inputs=file_input, outputs=[positive_reviews_output, negative_reviews_output, analysis_output] ) # 버튼 클릭 시 응답 생성 generate_button.click( generate_response, inputs=[prompt_input, reference_text_input, max_tokens_slider, temperature_slider, top_p_slider, model_radio], outputs=response_output ) # 인터페이스 실행 demo.launch(share=True)