File size: 2,108 Bytes
fd45282 75ecc06 fd45282 c0ba1b5 75ecc06 6603d7e 75ecc06 |
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 |
import gradio as gr
from transformers import AutoTokenizer, AutoModelForCausalLM
from peft import PeftModel
import torch
model_id = "deepseek-ai/deepseek-coder-1.3b-base"
lora_id = "Seunggg/lora-plant"
# 加载 tokenizer
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
# 加载基础模型，启用自动设备分配并脱载
base = AutoModelForCausalLM.from_pretrained(
model_id,
device_map="auto",
offload_folder="offload/",
torch_dtype=torch.float16 if torch.cuda.is_available() else torch.float32,
trust_remote_code=True
)
# 加载 LoRA adapter，同样启用脱载
model = PeftModel.from_pretrained(
base,
lora_id,
offload_folder="offload/",
torch_dtype=torch.float16 if torch.cuda.is_available() else torch.float32
)
model.eval()
# 生成 pipeline
from transformers import pipeline
pipe = pipeline(
"text-generation",
model=model,
tokenizer=tokenizer,
device_map="auto",
max_new_tokens=256
)
def respond(user_input):
if not user_input.strip():
return "请输入植物相关的问题 😊"
# 使用 prompt 模板，但提示模型不要复述用户提问
prompt = (
f"请直接给出建议并推荐相关植物文献或资料，不要复读用户的问题。\n\n"
f"问题：{user_input}\n回答："
)
result = pipe(prompt, return_full_text=False) # 使用 pipeline 的参数，若支持的话
output = result[0]["generated_text"]
# 如果 pipeline 不支持 return_full_text，把以下注释放开：
# prompt_tokens = tokenizer(prompt, return_tensors="pt").input_ids.shape[1]
# full = tokenizer.decode(model.generate(...)[0], skip_special_tokens=True)
# output = full[prompt_tokens:].strip()
return output.strip()
# Gradio 界面
gr.Interface(
fn=respond,
inputs=gr.Textbox(lines=4, placeholder="在这里输入你的植物问题..."),
outputs="text",
title="🌱 植物助手 LoRA 版",
description="基于 DeepSeek 微调模型，提供植物养护建议和文献推荐。",
allow_flagging="never"
).launch()
|