gemma7b groq streamlit

GEMMA 7B с GROQ - PRETHLIT PDF для векторной базы данных API

Добро пожаловать в Gemma 7b с репозиторием Groq! Этот проект демонстрирует интеграцию языковой модели GEMMA 7B с GROQ для обработки фиксированного документа PDF, преобразования его содержимого в векторную базу данных и предоставить интерактивный интерфейс вопросов и ответов с использованием Streamlit. Пользователи могут задавать вопросы и получать ответы, наряду с соответствующими данными, посредством удобного веб-приложения.

Обзор

Этот репозиторий предоставляет оптимизированное решение для преобразования PDF -документа в векторную базу данных для поиска с использованием модели GROQ Language и Gemma 7B. Приложение построено из потока, чтобы включить интерактивный интерфейс вопросов и ответов. Пользователи могут изучить содержание PDF, задавать вопросы и просмотреть соответствующие данные, используемые для генерации ответов.

Функции

• Обработка PDF : извлечь текст из фиксированного документа PDF (по умолчанию является исследовательская статья Vit).
• Векторизация : преобразовать извлеченный текст в векторные представления с использованием GEMMA 7B.
• Интерактивные вопросы и ответы : Задайте вопросы и получайте ответы, а также соответствующие данные, через Wletrit Web App.
• Папка данных : легко изменить документ PDF, поместив новый файл в папку data .
• Конфигурация среды : управление клавишами API с помощью файла .env .

Начиная

Предварительные условия

• Python 3.8 или выше
• Поток
• Библиотека Groq
• Модель Gemma 7B
• Требуемые пакеты Python (перечислены в requirements.txt )
• Ключи API Groq и Google

Установка

1. Клонировать репозиторий:

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

2. Установить зависимости:

   pip install -r requirements.txt

3. Загрузите и настройте модель Gemma 7B.

4. Получите свои клавиши Groq и Google API и добавьте их в файл .env в корневом каталоге:

    GROQ_API_KEY=your_groq_api_key
   GOOGLE_API_KEY=your_google_api_key
   

Использование

1. Подготовьте PDF :

   • Поместите свой PDF -файл в каталог data (файл по умолчанию является исследовательской статьей VIT).

2. Запустите приложение Streamlit :

   • Запустите приложение Streamlit:

     streamlit run app.py

3. Взаимодействуйте с приложением :

   • Откройте свой браузер и перейдите к предоставленному локальному URL (например, http://localhost:8501 ).
   • Задайте вопросы о содержании PDF и просмотрите соответствующие данные.

Структура каталога

• data/ : содержит файл PDF для обработки. Файл по умолчанию является исследовательской работой.
• app.py : основной файл приложения Streathlit.
• requirements.txt : Список необходимых пакетов Python.
• .env : файл для надежного хранилища клавиш API.

Внося

Мы приветствуем вклад в повышение функциональности и производительности этого проекта. Пожалуйста, распадайте репозиторий и отправьте запрос на привлечение с вашими изменениями. Убедитесь, что ваш код следует рекомендациям по установленным стилям и проходит все тесты.

Лицензия

Этот проект лицензирован по лицензии MIT. Смотрите файл LICENSE для получения подробной информации.

Благодарности

Особая благодарность разработчикам и участникам Gemma 7b, Groq и Streamlit за их мощные инструменты и поддержку.

---

Не стесняйтесь исследовать, использовать и вносить свой вклад в этот репозиторий. Если у вас есть какие -либо вопросы или вам нужна помощь, пожалуйста, откройте проблему.

Счастливого кодирования!