gemma7b groq streamlit

GEMMA 7B avec GROQ - API de base de données PDF à Vector-To Vector

Bienvenue dans le référentiel Gemma 7b avec Groq! Ce projet présente l'intégration du modèle de langue Gemma 7b avec GROQ pour traiter un document PDF fixe, convertir son contenu en une base de données vectorielle et fournir une interface interactive de questions-réponses à l'aide de Streamlit. Les utilisateurs peuvent poser des questions et recevoir des réponses, ainsi que les données pertinentes, tout au long d'une application Web conviviale.

Aperçu

Ce référentiel fournit une solution rationalisée pour convertir un document PDF en une base de données vectorielle consultable à l'aide du langage GROQ et du modèle GEMMA 7B. L'application est construite avec Streamlit pour activer une interface interactive de questions et réponses. Les utilisateurs peuvent explorer le contenu du PDF, poser des questions et afficher les données pertinentes utilisées pour générer des réponses.

Caractéristiques

• Traitement PDF : extraire le texte d'un document PDF fixe (la valeur par défaut est un document de recherche VIT).
• Vectorisation : convertir le texte extrait en représentations vectorielles à l'aide de Gemma 7b.
• Q&R interactive : Posez des questions et recevez des réponses, ainsi que les données pertinentes, via une application Web rationalisée.
• Dossier de données : modifiez facilement le document PDF en plaçant un nouveau fichier dans le dossier data .
• Configuration de l'environnement : gérer les touches API à l'aide d'un fichier .env .

Commencer

Condition préalable

• Python 3,8 ou plus
• Rationaliser
• Bibliothèque GROQ
• Modèle Gemma 7b
• Packages Python requis (répertoriés dans requirements.txt )
• Touches API GROQ et Google

Installation

1. Clone le référentiel:

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

2. Installez les dépendances:

   pip install -r requirements.txt

3. Téléchargez et configurez le modèle GEMMA 7B.

4. Obtenez vos clés API GROQ et Google et ajoutez-les à un fichier .env dans le répertoire racine:

    GROQ_API_KEY=your_groq_api_key
   GOOGLE_API_KEY=your_google_api_key
   

Usage

1. Préparez le PDF :

   • Placez votre fichier PDF dans le répertoire data (le fichier par défaut est un document de recherche VIT).

2. Exécutez l'application Streamlit :

   • Démarrez l'application Streamlit:

     streamlit run app.py

3. Interagir avec l'application :

   • Ouvrez votre navigateur et accédez à l'URL locale fournie (par exemple, http://localhost:8501 ).
   • Posez des questions sur le contenu PDF et affichez les données pertinentes.

Structure de répertoire

• data/ : contient le fichier PDF à traiter. Le fichier par défaut est un document de recherche VIT.
• app.py : fichier d'application principal principal.
• requirements.txt : liste des packages Python requis.
• .env : fichier pour stocker en toute sécurité les clés d'API.

Contributif

Nous saluons les contributions pour améliorer la fonctionnalité et les performances de ce projet. Veuillez débarquer le référentiel et soumettre une demande de traction avec vos modifications. Assurez-vous que votre code suit les directives de style établies et passe tous les tests.

Licence

Ce projet est autorisé sous la licence du MIT. Voir le fichier LICENSE pour plus de détails.

Remerciements

Un merci spécial aux développeurs et contributeurs de Gemma 7b, Groq et rationalisation pour leurs outils et leur support puissants.

---

N'hésitez pas à explorer, à utiliser et à contribuer à ce référentiel. Si vous avez des questions ou avez besoin d'aide, veuillez ouvrir un problème.

Codage heureux!