gemma7b groq streamlit

Gemma 7b con Groq - API de base de datos Vector PDF a Vector

¡Bienvenido al Gemma 7B con Groq Repository! Este proyecto muestra la integración del modelo de lenguaje Gemma 7B con Groq para procesar un documento PDF fijo, convertir su contenido en una base de datos vectorial y proporcionar una interfaz interactiva de preguntas y respuestas utilizando Streamlit. Los usuarios pueden hacer preguntas y recibir respuestas, junto con los datos relevantes, a través de una aplicación web fácil de usar.

Descripción general

Este repositorio proporciona una solución simplificada para convertir un documento PDF en una base de datos vectorial de búsqueda utilizando el lenguaje Groq y el modelo Gemma 7B. La aplicación está construida con Strewlit para habilitar una interfaz interactiva de preguntas y respuestas. Los usuarios pueden explorar el contenido del PDF, hacer preguntas y ver los datos relevantes utilizados para generar respuestas.

Características

• Procesamiento de PDF : Extraiga texto de un documento PDF fijo (el valor predeterminado es un documento de investigación VIT).
• Vectorización : Convertir texto extraído en representaciones vectoriales usando Gemma 7b.
• Preguntas y respuestas interactivas : Haga preguntas y reciba respuestas, junto con los datos relevantes, a través de una aplicación web optimista.
• Carpeta de datos : cambie fácilmente el documento PDF colocando un nuevo archivo en la carpeta data .
• Configuración del entorno : Administre las teclas API utilizando un archivo .env .

Empezando

Requisitos previos

• Python 3.8 o superior
• Racionalizar
• Biblioteca
• Modelo de Gemma 7B
• Paquetes de Python requeridos (listados en requirements.txt )
• Groq y las claves de la API de Google

Instalación

1. Clon el repositorio:

   git clone https://github.com/NevroHelios/gemma7b-groq-streamlit.git
   cd gemma7b-groq-streamlit

2. Instalar dependencias:

   pip install -r requirements.txt

3. Descargue y configure el modelo Gemma 7B.

4. Obtenga las claves Groq y Google API y agréguelas a un archivo .env en el directorio raíz:

    GROQ_API_KEY=your_groq_api_key
   GOOGLE_API_KEY=your_google_api_key
   

Uso

1. Prepare el PDF :

   • Coloque su archivo PDF en el directorio data (el archivo predeterminado es un documento de investigación VIT).

2. Ejecute la aplicación Streamlit :

   • Inicie la aplicación Streamlit:

     streamlit run app.py

3. Interactuar con la aplicación :

   • Abra su navegador y navegue a la URL local proporcionada (por ejemplo, http://localhost:8501 ).
   • Haga preguntas sobre el contenido de PDF y vea los datos relevantes.

Estructura de directorio

• data/ : contiene el archivo PDF a procesar. El archivo predeterminado es un trabajo de investigación VIT.
• app.py : archivo de aplicación principal.
• requirements.txt : lista de paquetes de pitón requeridos.
• .env : archivo para almacenar claves API de forma segura.

Que contribuye

Agradecemos contribuciones para mejorar la funcionalidad y el rendimiento de este proyecto. Haga la bifurcación del repositorio y envíe una solicitud de extracción con sus cambios. Asegúrese de que su código siga las pautas de estilo establecidas y pase todas las pruebas.

Licencia

Este proyecto tiene licencia bajo la licencia MIT. Consulte el archivo LICENSE para obtener más detalles.

Expresiones de gratitud

Un agradecimiento especial a los desarrolladores y colaboradores de Gemma 7b, Groq y Strewlit por sus poderosas herramientas y soporte.

---

Siéntase libre de explorar, usar y contribuir a este repositorio. Si tiene alguna pregunta o necesita ayuda, abra un problema.

¡Feliz codificación!