gemma7b groq streamlit

gemma 7b带有groq-简化PDF到向量数据库API

欢迎使用GROQ存储库来到Gemma 7B！该项目展示了Gemma 7b语言模型与GROQ的集成，以处理固定的PDF文档，将其内容转换为矢量数据库，并使用简报提供交互式Q＆A界面。用户可以通过用户友好的Web应用程序提出问题并接收答案以及相关数据。

概述

该存储库提供了一种简化的解决方案，用于使用GROQ语言和Gemma 7B模型将PDF文档转换为可搜索的矢量数据库。该应用程序是通过简化构建的，以启用交互式问答接口。用户可以探索PDF的内容，提出问题并查看用于生成响应的相关数据。

特征

• PDF处理：从固定的PDF文档中提取文本（默认是VIT研究论文）。
• 矢量化：使用Gemma 7b将提取的文本转换为向量表示。
• 交互式问答：通过简化的Web应用程序提出问题并接收答案以及相关数据。
• 数据文件夹：通过在data文件夹中放置新文件来轻松更改PDF文档。
• 环境配置：使用.env文件管理API密钥。

入门

先决条件

• Python 3.8或更高
• 简化
• GROQ库
• Gemma 7b型号
• 必需的Python软件包（在requirements.txt中列出）
• GROQ和Google API键

安装

1. 克隆存储库：

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

2. 安装依赖项：

   pip install -r requirements.txt

3. 下载并设置Gemma 7b型号。

4. 获取您的GROQ和Google API键，并将它们添加到根目录中的.env文件中：

    GROQ_API_KEY=your_groq_api_key
   GOOGLE_API_KEY=your_google_api_key
   

用法

1. 准备PDF ：

   • 将您的PDF文件放在data目录中（默认文件是VIT研究论文）。

2. 运行简化应用程序：

   • 启动简化应用程序：

     streamlit run app.py

3. 与应用程序交互：

   • 打开浏览器并导航到提供的本地URL（例如， http://localhost:8501 ）。
   • 询问有关PDF内容的问题并查看相关数据。

目录结构

• data/ ：包含要处理的PDF文件。默认文件是VIT研究论文。
• app.py ：主精简应用程序文件。
• requirements.txt ：所需的Python软件包列表。
• .env ：归档以安全地存储API键。

贡献

我们欢迎贡献以增强该项目的功能和性能。请分配存储库，并提交您的更改请求。确保您的代码遵循既定的样式准则并通过所有测试。

执照

该项目已根据MIT许可获得许可。有关详细信息，请参见LICENSE文件。

致谢

特别感谢Gemma 7B，Groq和Spations的开发人员和贡献者的强大工具和支持。

---

随时探索，使用和为此存储库做出贡献。如果您有任何疑问或需要帮助，请打开问题。

愉快的编码！