Vinaria/mail_ru_llm_funtikova_anastasia

0

stars

6

commits

Python

primary language

Apr 1, 2024

updated

README

Телеграм-бот с генеративными моделями

Бот генерирует рецепт (список ингредиентов или последовательность действия на выбор) по названию блюда. Обработка запросов происходит на английском языке.

Пользователю доступен выбор модели и режима генерации (на данный момент доступна тоько модель StatLM).

Запуск бота

  1. Для запуска проекта необходимо установить модули из requirements.txt:
pip install -r requirements.txt
  1. Получить токен для телеграм-бота и присвоить его переменной TOKEN в файле llm_assistant_bot.py;

  2. Затем запустить программу:

python llm_assistant_bot.py

Структура проекта

В данном репозитории лежат файлы, необходимые для работы телеграм-бота, а так же ноутбук для обучения модели.

Во время работы бота ведется логирование, все записи сохраняются в myapp.log.

Обучение модели

В обучении использовался датасет https://www.kaggle.com/datasets/paultimothymooney/recipenlg, содержащий данные 2 231 142 рецептов. Было обучено два экземпляра модели на списках ингредиентов и на текстах инструкций соответственно. К обеим были подобраны оптимальные параметры для генерации.

Contributors

Vinaria

6 commits

Vinaria/mail_ru_llm_funtikova_anastasia

0

stars

6

commits

Python

primary language

Apr 1, 2024

updated

README

Телеграм-бот с генеративными моделями

Бот генерирует рецепт (список ингредиентов или последовательность действия на выбор) по названию блюда. Обработка запросов происходит на английском языке.

Пользователю доступен выбор модели и режима генерации (на данный момент доступна тоько модель StatLM).

Запуск бота

  1. Для запуска проекта необходимо установить модули из requirements.txt:
pip install -r requirements.txt
  1. Получить токен для телеграм-бота и присвоить его переменной TOKEN в файле llm_assistant_bot.py;

  2. Затем запустить программу:

python llm_assistant_bot.py

Структура проекта

В данном репозитории лежат файлы, необходимые для работы телеграм-бота, а так же ноутбук для обучения модели.

Во время работы бота ведется логирование, все записи сохраняются в myapp.log.

Обучение модели

В обучении использовался датасет https://www.kaggle.com/datasets/paultimothymooney/recipenlg, содержащий данные 2 231 142 рецептов. Было обучено два экземпляра модели на списках ингредиентов и на текстах инструкций соответственно. К обеим были подобраны оптимальные параметры для генерации.

Contributors

Vinaria

6 commits

Languages

Python

51.5%

Jupyter Notebook

48.5%