چی ساختم؟
بنابراین، با ظهور Chat-GPT، ابزارهای هوش مصنوعی مانند آتش در حال گسترش هستند. فکر کردم خودم یک برنامه بسازم اما “بدون استفاده از api OpenAI” زیرا از نظر اقتصادی برای کارهای طولانی تر امکان پذیر نیست. بنابراین تصمیم گرفتم با مدل HuggingFace که منبع باز است و به راحتی با پایتون ادغام می شود، حرکت کنم.
ارسال دسته:
این برنامه بخشی از هکاتون Dev X Github تحت این دسته است
“کارت های وحشی حواس پرت”
لینک برنامه
برنامه در وب مستقر شده است
می توان با شبیه سازی مخزن به صورت محلی راه اندازی کرد
اسکرین شات ها
شرح
بنابراین بیایید در مورد نحوه استفاده از برنامه صحبت کنیم یا منتظر چه چیز دیگری هستیم! . این برنامه PDF را به عنوان ورودی از کاربر می گیرد و تولید می کند
خلاصه pdf در خروجی به صورت PDF. این مدل با استفاده از مدل از پیش آموزش دیده صورت بغل ساخته شده است که با استفاده از ترانسفورماتور اجرا می شود.
برنامه وب با استفاده از فلاسک (یک چارچوب پایتون) و کتابخانه های مختلف برای کار با PDF ساخته شده است. سرعت برنامه را می توان با استفاده از قابلیت های GPU موجود در سیستم ما بیشتر بهبود بخشید. بنابراین اجرای برنامه بر روی ماشین هایی که GPU دارند، روند را سرعت می بخشد.
چگونه Locally نصب کنیم؟
با پیروی از دستورالعمل های داده شده در مخزن github که در زیر می توانید این برنامه را به صورت محلی نصب کنید.
پیوند به کد منبع
کد منبع را می توان در Repo یافت
مجوز مجاز
مخزن/برنامه تحت مجوز MIT می باشد.
برای اطلاعات بیشتر در مورد مجوز می توانید به License مراجعه کنید
داستان پس زمینه 🙂
بنابراین من امتحاناتم را داشتم و نیاز داشتم که کل PDF را بخوانم، اما به دلیل محدودیت زمانی، پوشش کل سند در یک جلسه امکان پذیر نبود، بنابراین تصمیم گرفتم یک برنامه برای خلاصه کردن محتوای PDF بسازم 😉 .همانطور که اکثر موارد ابزارهایی که در اینترنت پیدا کردم پولی بودند و نتایج امیدوارکننده نبود، بنابراین فکر کردم آن را امتحان کنم.
چگونه آن را ساختم <>
این با استفاده از مدل ترانسفورماتور چهره در آغوش گرفته شد، بنابراین یاد گرفتیم آن را با استفاده از پایتون پیاده سازی کنید، همچنین با فایل های PDF با استفاده از کتابخانه های مختلف کار کرد. فلاسک را در طول راه به عنوان پشته کاری اولیه من MERN یاد گرفتم. بیشتر چیزها جدید بودند و من مجبور بودم بر چالش های زیادی غلبه کنم، اما ارزشش را داشت :). به طور کلی، کار بر روی چنین پروژه ای یک تجربه هیجان انگیز و سرگرم کننده بود.
از اقدامات github برای بررسی همه الزامات و کد با ایجاد تست در هر فشار استفاده شد. بنابراین آزمایش و ادغام مداوم با استفاده از آن اجرا شد.
از Codespaces برای اجرای کد بر روی ابر با استفاده از ماشین مجازی ubuntu و برای آزمایش سریع تغییرات مورد نیاز بدون مرور دوباره و دوباره ویرایشگر کد استفاده شد.
منابع/اطلاعات اضافی
مدل صورت در آغوش گرفته برای خلاصه سازی متن
اقدامات Github
فضاهای کد Github
PS- برنامه هنوز هم می تواند بر اساس طراحی و عملکرد بسیار بهبود یابد، بنابراین با خیال راحت درخواست کشش را ایجاد کرده و بالا ببرید. به کدنویسی ادامه دهید.
