Spaces:
Runtime error
Runtime error
File size: 2,945 Bytes
8d23cfc 705c5d8 8d23cfc 705c5d8 8d23cfc 705c5d8 8d23cfc 705c5d8 8d23cfc 705c5d8 8d23cfc 705c5d8 8d23cfc 705c5d8 8d23cfc 705c5d8 8d23cfc 705c5d8 8d23cfc 705c5d8 8d23cfc 705c5d8 8d23cfc 705c5d8 8d23cfc 705c5d8 8d23cfc |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 |
from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
import uvicorn
import logging
import os
from fastapi.middleware.cors import CORSMiddleware
from transformers import AutoTokenizer, AutoModelForCausalLM
# Configurer les répertoires de cache pour Transformers
os.environ['TRANSFORMERS_CACHE'] = '/app/.cache'
os.environ['HF_HOME'] = '/app/.cache'
# Informations générales pour l'API
Informations = """
-text : Texte à resumer
output:
- Text summary : texte resumé
"""
app = FastAPI(
title='Text Summary',
description=Informations
)
# Configurer les logs
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)
# Ajouter le middleware CORS
app.add_middleware(
CORSMiddleware,
allow_origins=["*"],
allow_credentials=True,
allow_methods=["*"],
allow_headers=["*"],
)
# Prompt par défaut
DEFAULT_PROMPT = "Fais nous un résumé descriptif en français de la plainte suivante en 4 phrases concises, en vous concentrant sur les faits principaux et en évitant toute introduction générique. Nettoie également le texte si nécessaire : "
# Modèle de la requête
class RequestModel(BaseModel):
text: str
# Charger le modèle et le tokenizer
model_name = "models/models--meta-llama--Meta-Llama-3.1-8B-Instruct/snapshots/5206a32e0bd3067aef1ce90f5528ade7d866253f"
tokenizer = AutoTokenizer.from_pretrained(model_name,token="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")
model = AutoModelForCausalLM.from_pretrained(model_name,token="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")
@app.get("/")
async def home():
return 'STN BIG DATA'
@app.post("/generate/")
async def generate_text(request: RequestModel):
try:
# Combiner le prompt par défaut et le texte de l'utilisateur
full_prompt = DEFAULT_PROMPT + request.text
# Tokeniser l'entrée
input_ids = tokenizer.encode(full_prompt, return_tensors="pt")
# Générer du texte avec le modèle
output = model.generate(input_ids, max_length=150, num_return_sequences=1)
# Décoder la sortie pour obtenir le texte généré
generated_text = tokenizer.decode(output[0], skip_special_tokens=True)
# Optionnel : nettoyage du texte généré pour enlever les phrases génériques
intro_phrases = [
"Voici un résumé de la plainte en 5 phrases :",
"Résumé :",
"Voici ce qui s'est passé :",
"Cette plainte a été déposée par"
]
for phrase in intro_phrases:
if generated_text.startswith(phrase):
generated_text = generated_text[len(phrase):].strip()
break
return {"summary_text": generated_text}
except Exception as e:
raise HTTPException(status_code=500, detail=f"Erreur inattendue : {str(e)}")
if __name__ == "__main__":
uvicorn.run("app:app", host="0.0.0.0", port=8080, reload=True)
|