File size: 3,317 Bytes
0bd62e5 |
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 |
from transformers import GPT2Tokenizer, GPT2LMHeadModel
import torch
# Carregar o tokenizer e o modelo ajustado
tokenizer = GPT2Tokenizer.from_pretrained('modelo_treinado')
model = GPT2LMHeadModel.from_pretrained('modelo_treinado')
# Configurar o dispositivo para GPU se disponível
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model.to(device)
# Função para gerar notas de release
def gerar_nota_release(feature_description_prompt, max_new_tokens=50, num_return_sequences=1):
# Definir o template com um placeholder para a descrição da funcionalidade
template = """É hora de atualizar o seu íon Itaú.
{}
Atualize o app já e aproveite!"""
# Formatar o template com o placeholder para o prompt
prompt = template.format(feature_description_prompt)
# Tokenizar o prompt de entrada
inputs = tokenizer.encode(prompt, return_tensors='pt').to(device)
# Gerar texto
outputs = model.generate(
inputs,
max_new_tokens=max_new_tokens,
num_return_sequences=num_return_sequences,
no_repeat_ngram_size=2,
do_sample=True,
top_k=50,
top_p=0.95,
temperature=0.7,
eos_token_id=tokenizer.eos_token_id,
pad_token_id=tokenizer.eos_token_id,
)
# Decodificar e retornar o texto gerado
notas = []
for i in range(num_return_sequences):
# Decodificar a sequência gerada
output = outputs[i]
texto_completo = tokenizer.decode(output, skip_special_tokens=True)
# Extrair apenas a parte gerada após o prompt
texto_gerado = texto_completo[len(prompt):].strip()
# Montar a nota de release completa
nota_release = template.format(feature_description_prompt + ' ' + texto_gerado)
notas.append(nota_release)
return notas
# Função para gerar várias notas e salvar em um arquivo
def gerar_varias_notas_e_salvar(feature_descriptions, arquivo_saida, num_notas_por_descricao=3):
with open(arquivo_saida, 'w', encoding='utf-8') as file:
for descricao in feature_descriptions:
file.write(f"Prompt: {descricao}\n")
file.write("Notas Geradas:\n")
# Gerar várias notas para cada descrição
notas_geradas = gerar_nota_release(descricao, max_new_tokens=50, num_return_sequences=num_notas_por_descricao)
for i, nota in enumerate(notas_geradas):
file.write(f" Nota {i + 1}:\n")
file.write(nota + "\n\n")
if __name__ == '__main__':
# Lista de descrições de funcionalidades para gerar as notas
feature_descriptions = [
"Agora você pode verificar o quanto tem disponível em conta corrente para investir.",
"Melhoramos a performance do app para navegação mais rápida.",
"Agora você pode acessar relatórios detalhados sobre seus investimentos.",
"Adicionamos uma nova seção de ajuda para facilitar o suporte aos usuários."
]
# Gerar as notas de release e salvar no arquivo 'notas_de_release.txt'
gerar_varias_notas_e_salvar(feature_descriptions, 'notas_de_release.txt', num_notas_por_descricao=3)
print("Notas de release geradas e salvas em 'notas_de_release.txt'.")
|