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).
requirements.txt:pip install -r requirements.txt
Получить токен для телеграм-бота и присвоить его переменной TOKEN в файле llm_assistant_bot.py;
Затем запустить программу:
python llm_assistant_bot.py
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.
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.
6 commits
Python
51.5%
Jupyter Notebook
48.5%
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).
requirements.txt:pip install -r requirements.txt
Получить токен для телеграм-бота и присвоить его переменной TOKEN в файле llm_assistant_bot.py;
Затем запустить программу:
python llm_assistant_bot.py
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.
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.
6 commits
Python
51.5%
Jupyter Notebook
48.5%