utiliser une ia local avec locallm

**dedalios** · 27/03/2024, 18h55

Bonjour
Je cherche a utiliser la bibliothèque pip locallm
Et même si cela fonctionne les messages semblent inexploitables

Voici un exemple utilisant pip locallm

Préambule , créer un environnement virtuelle

Python -m venu monlocallm
Puis installation de pip install locallm dans l environnement virtuelle

J import le ou les modèles dans le sous répertoire modele de cet environnement

Et je test le code exemple

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
# Déclaration d'une instance de LocalLm
lm = LocalLm(
    LmParams(
        models_dir=r"C:\Env_py\ialocal_lm\models", 
        is_verbose=False,
    )
)
 
# Chargement du modèle en mémoire 
 
lm.load_model("mistral-7b-instruct-v0.1.Q4_K_M.gguf", 8192)
template = "<s>[INST] {prompt} [/INST]"
lm.infer(
    "list the planets in the solar system",
    InferenceParams(
        template=template,
        temperature=0.2,
        stream=True,
        max_tokens=512,
    ),
)

Et la j'ai droit a une flopée d informations de fonctionnement du modèle et aussi a la réponses perdu au travers aussi d informations aberrantes.

Du fait du paramètre stream=True, le texte s'affichera dans le terminal au fur et à mesure de son émission par le modèle. Le prompt template utilisé dépend du modèle : ici le format Mistral convient très bien.

voici ce que j'ai obtenu

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
Running inference with prompt:
<s>[INST] list the planets in the solar system [/INST]
Inference parameters:
{'stream': True, 'max_tokens': 512, 'temperature': 0.2}
T  Sure
 SureT ,
,T  here
 hereT  is
 isT  a
 aT  list
 listT  of
 ofT  the
 theT  planets
 planetsT  in
 inT  our
 ourT  solar
 solarT  system
 systemT :
:T 
 
 
T 1
1T .
.T  Mer
 MerT cury
curyT 
 
 
T 2
2T .
.T  Ven
 VenT us
usT 
 
 
T 3
3T .
.T  Earth
 EarthT 
 
 
T 4
4T .
.T  Mars
 MarsT 
 
 
T 5
5T .
.T  J
 JT upiter
upiterT 
 
 
T 6
6T .
.T  Sat
 SatT urn
urnT 
 
 
T 7
7T .
.T  U
 UT ran
ranT us
usT 
 
 
T 8
8T .
.T  Ne
 NeT pt
ptT une
une

Franchement etrange

Du fait du paramètre stream=True, le texte s'affichera dans le terminal au fur et à mesure de son émission par le modèle. Le prompt template utilisé dépend du modèle : ici le format Mistral convient très bien.... Gag avec stream = False aussi...

is_verbose bool: booléen permet de jouer sur cette information et il est a false...

Mon but est de récupérer les données produites par le modèle, mais je ne vois pas comment ?

PS pas de tag visible avec une tablette..... Donc le code est au milieu de message désolée

**dedalios** · 01/04/2024, 18h06

Voici le code avec des choses possiblement inutiles

il utilise
locallm pour le moteur de traduction
nltk pour la gestion de texte accés ici sur de l'anglais

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
pip install locallm  
pip install nltk 
 
# on charge les modèles NLTK
import nltk
nltk.download()

Le modèle mistral-7b-instruct-v0.1.Q4_K_M.gguf pour la traduction il doit y avoir mieux ou plus rapide... si vous avez des idées d'optimisation je suis intéressé:
comme par exemple utiliser les gpu de la carte nvidia adapté pour les IA

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
import tkinter as tk
from tkinter import filedialog , messagebox
from locallm import InferenceParams, LmParams, LocalLm
import PyPDF2
from PyPDF2 import PdfReader  # Importation de PdfReader
 
# modele d'analyse de text
import re
import nltk
 
from nltk.tokenize import word_tokenize
from nltk.corpus import stopwords
from nltk.stem import SnowballStemmer
from nltk.tokenize import sent_tokenize
import os
 
nom_fichier_origine =None
nom_repertoire_origine =None
 
nltk.data.path.append(r"C:\environnement_python\models-ia\nltk_data")
models_dir=r"C:\environnement_python\models-ia"
 
# Déclaration d'une instance de LocalLm
lm = LocalLm(
    LmParams(
        models_dir=models_dir, 
        threads =get_num_threads,
        is_verbose=True,
    )
)
 
lm.load_model("mistral-7b-instruct-v0.1.Q4_K_M.gguf", 8192)
 
 
 
def get_num_threads():
    """Obtient le nombre de threads sur le système."""
    try:
        num_threads = os.cpu_count()  # Récupère le nombre de processeurs logiques
        if num_threads is not None:
            return  int(num_threads * 0.8)
        else:
            messagebox.showerror("Problème  pc", "Impossible de récupérer le nombre de threads.")
            return None
    except NotImplementedError:
            messagebox.showerror("Problème  pc", "Impossible de récupérer le nombre de threads.")
            return None
 
 
# Fonction pour traduire un texte
def traduire(Le_texte):
    template = "<s>[INST] Traduite d'anglais en français[ le text {prompt} /INST]"
 
    result = lm.infer(
        Le_texte,
        InferenceParams(
            template=template,
            temperature=0.2,
            stream=False,
            max_tokens=8192,
        ),
    )
 
    result_text = result['text']
    return result_text
 
 
def analyse_de_text_v(text):
 
    # Tokenization : Diviser un texte en mots, phrases ou autres éléments linguistiques plus petits.
    # Stopwords : Fournit une liste de mots courants qui sont souvent considérés comme non informatifs et qui peuvent être omis lors de l'analyse de texte.
    # Stemming : Réduire les mots à leur forme de base en supprimant les affixes. Par exemple, "running" devient "run".
    # Lemmatization : Réduire les mots à leur forme de base en utilisant des règles linguistiques et en tenant compte du contexte. Par exemple, "running" deviendrait "run".
    # Part-of-speech (POS) tagging : Assigner des parties du discours à chaque mot dans un texte.
    # Analyse syntaxique : Analyser la structure grammaticale des phrases dans un texte.
    # WordNet : Une base de données lexicale comprenant des mots groupés par synonymes et organisés en concepts.
 
    # Supprimer les blocs de caractères inutiles
 
 
    # Tokenization : Diviser un texte en mots, phrases ou autres éléments linguistiques plus petits.
    words = word_tokenize(text)
 
    # Suppression des stopwords et application du stemming tout en préservant la casse originale
    stemmer = SnowballStemmer('english')
    processed_words = []
    for word in words:
        if word.lower() not in stopwords.words('english'): # Vérification du mot en minuscule pour les stopwords
            processed_words.append(stemmer.stem(word)) # Application du stemming au mot d'origine
        else:
            processed_words.append(word) # Ajout du mot tel quel s'il est dans les stopwords
 
    # Reconstruction du texte
    processed_text = ' '.join(processed_words)
 
    return processed_text
 
 
def analyse_de_text(text):
    text = re.sub(r'\.{4,}', '', text)
    text = re.sub(r'(\S+)\n(\S+)', r'\1 \2', text)
    text = re.sub(r'(\S+)\-\n(\S+)', r'\1\2', text)  # Supprimer les retours à la ligne entre les mots
 
    return text
 
# Fonction pour extraire le texte d'un fichier PDF
def extract_text_from_pdf(pdf_file_path):
    global nom_repertoire_origine, nom_fichier_origine 
 
    status_label.config(text="Traitement en cours convertion pdf en texte... Veuillez patienter.")
           # Obtenir le nom du fichier d'origine sans l'extension
    nom_fichier_origine = os.path.splitext(os.path.basename(pdf_file_path))[0]
        # Obtenir le nom du répertoire et le nom du fichier d'origine sans l'extension
    nom_repertoire_origine = os.path.dirname(pdf_file_path)
 
       # Nom du fichier de sortie avec le nom du répertoire et "_V1.txt" ajouté à la fin
    fichier_sortie = os.path.join(nom_repertoire_origine, f"{nom_fichier_origine}_V1.txt")
 
    text = ""
    with open(pdf_file_path, 'rb') as file:
        reader = PdfReader(file)
        num_pages = len(reader.pages)
        for page_number in range(num_pages):
            page = reader.pages[page_number]
            text += page.extract_text()
            # Supprimer les blocs de caractères inutiles
            text =analyse_de_text(text)
 
            with open(fichier_sortie, "w", encoding="utf-8") as file:
                file.write(text)   
    return text
 
def traduire_et_sauvegarder_tk(pdf_file_path):
    global nom_repertoire_origine, nom_fichier_origine
 
    # Afficher un message de traitement en cours dans la fenêtre principale
    status_label.config(text="Traitement traduction en cours ... Veuillez patienter.")
 
    # Extraire le texte du PDF
    texte_pdf = extract_text_from_pdf(pdf_file_path)
 
    # Chemin du fichier de sortie
    fichier_sortie = os.path.join(nom_repertoire_origine, f"{nom_fichier_origine}_fr.txt")
 
    # Découper le texte en blocs de tokens de taille appropriée
    taille_max_bloc = 8192
    blocs_de_tokens = [texte_pdf[i:i+taille_max_bloc] for i in range(0, len(texte_pdf), taille_max_bloc)]
 
    # Ouvrir le fichier de sortie une seule fois pour toutes les opérations d'écriture
    with open(fichier_sortie, "w", encoding="utf-8") as file:
        for bloc in blocs_de_tokens:
            # Traduire le bloc de texte actuel
            bloc_traduit = traduire(bloc)
            # Écrire le texte traduit dans le fichier de sortie
            file.write(bloc_traduit)
 
    # Indiquer que le traitement est terminé
    status_label.config(text="Traitement terminé.")
 
 
 
def traduire_et_sauvegarder(pdf_file_path):
    global nom_repertoire_origine, nom_fichier_origine
 
    # Afficher un message de traitement en cours dans la fenêtre principale
    status_label.config(text="Traitement traduction en cours ... Veuillez patienter.")
 
    # Extraire le texte du PDF
    texte_pdf = extract_text_from_pdf(pdf_file_path)
 
    # Chemin du fichier de sortie
    fichier_sortie = os.path.join(nom_repertoire_origine, f"{nom_fichier_origine}_fr.txt")
 
    # Découper le texte en phrases avec NLTK
    phrases = sent_tokenize(texte_pdf)
 
    # Concaténer les phrases par blocs de 10
    blocs_de_phrases = [' '.join(phrases[i:i+10]) for i in range(0, len(phrases), 10)]
 
    # Ouvrir le fichier de sortie une seule fois pour toutes les opérations d'écriture
    with open(fichier_sortie, "w", encoding="utf-8") as file:
        for bloc in blocs_de_phrases:
            # Traduire le bloc de phrases
            bloc_traduit = traduire(bloc)
            # Écrire le bloc traduit dans le fichier de sortie
            file.write(bloc_traduit + "\n\n")
 
    # Indiquer que le traitement est terminé
    status_label.config(text="Traitement terminé.")
 
 
 
# Fonction pour gérer le bouton "Choisir PDF"
def choisir_pdf():
    filepath = filedialog.askopenfilename(filetypes=[("PDF files", "*.pdf")])
    if filepath:
        traduire_et_sauvegarder(filepath)
 
def about():
    messagebox.showinfo("About", "Cette application prend en charge le fichier PDF")
 
def quit_app(root):
    if messagebox.askokcancel("Quitter", "Etes vous sure de vouloir fermer l'application?"):
        root.destroy()
 
 
def main():
    root = tk.Tk()
    root.title('CSV File Reader/Writer')
    root.geometry('500x500')
 
    # Créer une étiquette pour afficher le statut du traitement
    global status_label
    status_label = tk.Label(root, text="", bd=1, relief=tk.SUNKEN, anchor=tk.W)
    status_label.pack(side=tk.BOTTOM, fill=tk.X)
 
    # Menu bar
    menubar = tk.Menu(root)
    root.config(menu=menubar)
 
    file_menu = tk.Menu(menubar, tearoff=0)
    file_menu.add_command(label="Choisir PDF", command=choisir_pdf)
    file_menu.add_separator()
    file_menu.add_command(label="Quit", command=lambda: quit_app(root))
    menubar.add_cascade(label="File", menu=file_menu)
 
    # About menu
    about_menu = tk.Menu(menubar, tearoff=0)
    about_menu.add_command(label="About", command=about)
    menubar.add_cascade(label="About", menu=about_menu)
 
 
    # Lancement de la boucle principale de Tkinter
    root.mainloop()
 
 
 
if __name__ == "__main__":
    main()

J'ai quelques effet des plus étranges comme ceci

"... Sinon, l'arbre peut créer des tempêtes des millénaires pour des périodes courtes de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de temps de .... de tens de tens of thousands of years old."

parfois l'apparition de la phrase "Traduit de l'anglais au français : ou même Translation from English to French:"

Des partie de texte non traduite debutant par "
Translate from English to French:

Detect poison by smell and taste. Most plant toxins have a distinctive odor that the herbalist recognizes immediately. ..."

Le document d’origine n'est pas exsangue de tout défaut ...

Voici par exemple le bloc qui appelle le modèle de traduction

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
 
# Fonction pour traduire un texte
def traduire(Le_texte):
    template = "<s>[INST] Traduite d'anglais en français[ le text {prompt} /INST]"
 
    result = lm.infer(
        Le_texte,
        InferenceParams(
            template=template,
            temperature=0.2,
            stream=False,
            max_tokens=8192,
        ),
    )
 
    result_text = result['text']
    return result_text

utiliser une ia local avec locallm

Python

Discussions similaires

Partager

Partager