gemma7b groq streamlit

groq와 gemma 7b- 벡터 데이터베이스 API에 pdf를 간소화합니다.

Groq 저장소와 함께 Gemma 7B에 오신 것을 환영합니다! 이 프로젝트는 Gemma 7B 언어 모델의 Groq와의 통합을 보여주기 위해 고정 된 PDF 문서를 처리하고 컨텐츠를 벡터 데이터베이스로 변환하며 Streamlit을 사용하여 대화식 Q & A 인터페이스를 제공합니다. 사용자는 사용자 친화적 인 웹 애플리케이션을 통해 질문을하고 관련 데이터와 함께 답변을받을 수 있습니다.

개요

이 저장소는 Groq 언어 및 Gemma 7B 모델을 사용하여 PDF 문서를 검색 가능한 벡터 데이터베이스로 변환하기위한 간소화 된 솔루션을 제공합니다. 이 응용 프로그램은 대화식 질문 및 응답 인터페이스를 가능하게하기 위해 간소로 구축됩니다. 사용자는 PDF의 내용을 탐색하고 질문을하며 응답을 생성하는 데 사용되는 관련 데이터를 볼 수 있습니다.

특징

• PDF 처리 : 고정 된 PDF 문서에서 텍스트를 추출합니다 (기본값은 VIT 연구 논문입니다).
• 벡터화 : Gemma 7b를 사용하여 추출 된 텍스트를 벡터 표현으로 변환합니다.
• 대화식 Q & A : 간단한 웹 앱을 통해 질문을하고 관련 데이터와 함께 답변을받습니다.
• 데이터 폴더 : data 폴더에 새 파일을 배치하여 PDF 문서를 쉽게 변경합니다.
• 환경 구성 : .env 파일을 사용하여 API 키를 관리합니다.

시작하기

전제 조건

• 파이썬 3.8 이상
• 간소
• Groq 라이브러리
• 젬마 7b 모델
• 필수 파이썬 패키지 ( requirements.txt 에 나열)
• Groq 및 Google API 키

설치

1. 저장소 복제 :

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

2. 종속성 설치 :

   pip install -r requirements.txt

3. Gemma 7B 모델을 다운로드하여 설정하십시오.

4. Groq 및 Google API 키를 얻고 루트 디렉토리의 .env 파일에 추가하십시오.

    GROQ_API_KEY=your_groq_api_key
   GOOGLE_API_KEY=your_google_api_key
   

용법

1. PDF 준비 :

   • PDF 파일을 data 디렉토리에 배치하십시오 (기본 파일은 VIT Research Paper입니다).

2. 간단한 앱 실행 :

   • Streamlit 앱 시작 :

     streamlit run app.py

3. 앱과 상호 작용 :

   • 브라우저를 열고 제공된 로컬 URL (예 : http://localhost:8501 )으로 이동하십시오.
   • PDF 컨텐츠에 대해 질문하고 관련 데이터를 확인하십시오.

디렉토리 구조

• data/ : 처리 할 PDF 파일이 포함되어 있습니다. 기본 파일은 VIT 연구 논문입니다.
• app.py : 기본 간소화 응용 프로그램 파일.
• requirements.txt : 필요한 파이썬 패키지 목록.
• .env : API 키를 단단히 저장할 파일.

기여

우리는이 프로젝트의 기능과 성능을 향상시키기위한 기여를 환영합니다. 저장소를 포크하고 변경 사항으로 풀 요청을 제출하십시오. 코드가 확립 된 스타일 지침을 따르고 모든 테스트를 통과해야합니다.

특허

이 프로젝트는 MIT 라이센스에 따라 라이센스가 부여됩니다. 자세한 내용은 LICENSE 파일을 참조하십시오.

감사의 말

강력한 도구와 지원에 대해 Gemma 7B, Groq 및 Streamlit의 개발자 및 기고자에게 특별한 감사를드립니다.

---

이 저장소를 탐색, 사용 및 기여하십시오. 궁금한 점이 있거나 도움이 필요한 경우 문제를여십시오.

행복한 코딩!