gemma7b groq streamlit

Gemma 7b dengan GroQ - Streamlit PDF ke Vector Database API

Selamat datang di Gemma 7B dengan Repositori GROQ! Proyek ini menampilkan integrasi model bahasa GEMMA 7B dengan GROQ untuk memproses dokumen PDF tetap, mengubah kontennya menjadi database vektor, dan menyediakan antarmuka T&J interaktif menggunakan StreamLit. Pengguna dapat mengajukan pertanyaan dan menerima jawaban, bersama dengan data yang relevan, melalui aplikasi web yang ramah pengguna.

Ringkasan

Repositori ini menyediakan solusi ramping untuk mengubah dokumen PDF menjadi database vektor yang dapat dicari menggunakan bahasa GROQ dan model GEMMA 7B. Aplikasi ini dibangun dengan streamlit untuk memungkinkan antarmuka tanya jawab interaktif. Pengguna dapat mengeksplorasi konten PDF, mengajukan pertanyaan, dan melihat data yang relevan yang digunakan untuk menghasilkan tanggapan.

Fitur

• Pemrosesan PDF : Ekstrak teks dari dokumen PDF tetap (default adalah makalah penelitian VIT).
• Vektorisasi : Konversi teks yang diekstraksi menjadi representasi vektor menggunakan Gemma 7b.
• T&J Interaktif : Ajukan pertanyaan dan terima jawaban, bersama dengan data yang relevan, melalui aplikasi Web yang lurus.
• Folder Data : Mudah ubah dokumen PDF dengan menempatkan file baru di folder data .
• Konfigurasi Lingkungan : Kelola tombol API menggunakan file .env .

Memulai

Prasyarat

• Python 3.8 atau lebih tinggi
• Streamlit
• Perpustakaan Groq
• Model Gemma 7B
• Paket Python yang diperlukan (tercantum dalam requirements.txt )
• Kunci API GROQ dan Google

Instalasi

1. Klon Repositori:

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

2. Instal dependensi:

   pip install -r requirements.txt

3. Unduh dan atur model Gemma 7B.

4. Dapatkan tombol API GROQ dan Google Anda dan tambahkan ke file .env di direktori root:

    GROQ_API_KEY=your_groq_api_key
   GOOGLE_API_KEY=your_google_api_key
   

Penggunaan

1. Siapkan PDF :

   • Tempatkan file PDF Anda di direktori data (file default adalah makalah Vit Research).

2. Jalankan aplikasi streamLit :

   • Mulai aplikasi streamLit:

     streamlit run app.py

3. Berinteraksi dengan aplikasi :

   • Buka browser Anda dan navigasikan ke URL lokal yang disediakan (misalnya, http://localhost:8501 ).
   • Ajukan pertanyaan tentang konten PDF dan lihat data yang relevan.

Struktur Direktori

• data/ : Berisi file PDF yang akan diproses. File default adalah makalah penelitian VIT.
• app.py : File Aplikasi Streamlit Utama.
• requirements.txt : Daftar paket Python yang diperlukan.
• .env : File untuk menyimpan tombol API dengan aman.

Berkontribusi

Kami menyambut kontribusi untuk meningkatkan fungsionalitas dan kinerja proyek ini. Harap bayar repositori dan kirimkan permintaan tarik dengan perubahan Anda. Pastikan kode Anda mengikuti pedoman gaya yang ditetapkan dan lulus semua tes.

Lisensi

Proyek ini dilisensikan di bawah lisensi MIT. Lihat file LICENSE untuk detailnya.

Ucapan Terima Kasih

Terima kasih khusus kepada pengembang dan kontributor Gemma 7B, GROQ, dan Streamlit untuk alat dan dukungan yang kuat.

---

Jangan ragu untuk mengeksplorasi, menggunakan, dan berkontribusi pada repositori ini. Jika Anda memiliki pertanyaan atau membutuhkan bantuan, buka masalah.

Happy Coding!