Upload 2 files

app.py

@@ -4,7 +4,7 @@ Created on Sun Mar 26 21:07:00 2023
 
 @author: Bernd Ebenhoch
 """
-#
+
 
 import tensorflow as tf
 import numpy as np
@@ -42,10 +42,13 @@ qa_pipeline = pipeline("question-answering", model='deepset/gelectra-base-german
 sentiment = pipeline("text-classification", model='oliverguhr/german-sentiment-bert')
 
 tab1, tab2, tab3, tab4 = st.tabs(
-    ["Künstliche Neuronale Netze", "Wortvektoren Stimmung", "Wörter Maskieren", "Demos"])
+    ["Künstliche Neuronale Netze", "Wortvektoren Stimmung", "Wörter Maskieren", "HuggingFace Pipelines"])
 
 
 with tab1:
+    st.markdown(
+        'Definieren Sie ein neuronales Netz und beobachten Sie wie sich die Kurve krümmen kann um die Daten zu fitten')
+
     col1, col2 = tab1.columns(2)
     size = np.array([12., 27., 32., 47., 58., 56., 58., 61.,
                     64., 67., 70., 80., 84., 88., 108.])
@@ -150,6 +153,10 @@ with tab1:
 
 # %%
 with tab2:
+
+    st.markdown(
+        'Definieren Sie Sätze, die positiv oder negativ gestimmt sind und beobachten Sie die resultieren Wort-Vektoren.')
+
     text_input_2 = '1: Das schöne Allgäu\n' + \
         '1: So toll hier im Allgäu\n' + \
         '1: Uns gefallen die Berge und Seen\n' + \
@@ -256,6 +263,9 @@ with tab2:
 # %%
 with tab3:
 
+    st.markdown(
+        'Definieren Sie Sätze bei denen beliebige Wörter maskiert werden, um allgemeine Bezüge in Wort-Vektoren aabzubilden.')
+
     text_input = 'Das schöne Allgäu\n' + \
         'Das wunderbare Allgäu\n' + \
         'Das grüne Allgäu\n' + \
@@ -357,6 +367,7 @@ with tab3:
 with tab4:
     # st.header("Übersetzung: Deutsch --> Englisch")
     #st.text("Übersetzung: Deutsch --> Englisch")
+    st.markdown('Probieren Sie verschiedene Pipelines der Transformer-Bibliothek von HuggingFace.')
 
     text_input_3 = 'Wir ünterstützen Unternehmen bei der Datenanalyse durch individuelle Beratung und Projekte mit besonderem Fokus auf maschinelles Lernen und Deep Learning.'
 
@@ -378,7 +389,7 @@ with tab4:
 
     string_4 = st.text_area('Frage zum Kontext beantworten', value=text_input_4, height=25)
 
-    text_input_5 = 'Wir ünterstützen Unternehmen bei der Datenanalyse durch individuelle Beratung und Projekte mit besonderem Fokus auf maschinelles Lernen und Deep Learning.'
+    text_input_5 = 'Wir unterstützen Unternehmen bei der Datenanalyse durch individuelle Beratung und Projekte mit besonderem Fokus auf maschinelles Lernen und Deep Learning.'
 
     string_5 = st.text_area('Kontext', value=text_input_5, height=75)
 
@@ -405,12 +416,16 @@ with tab4:
             print(a5[0]['label'])
 
     st.text('')
-    st.text('Verwendete Modelle:')
-    st.text('\nÜbersetzung:')
-    st.text('google/bert2bert_L-24_wmt_de_en, Autoren: Sascha Rothe, Shashi Narayan, Aliaksei Severyn')
+    st.markdown("""<hr style="height:10px;border:none;color:#333;background-color:#333;" /> """,
+                unsafe_allow_html=True)
+    st.text('')
 
-    st.text('\nFrage beantworten:')
-    st.text('deepset/gelectra-base-germanquad, Autoren: Timo Möller, Julian Risch, Malte Pietsch')
+    references = 'Verwendete Modelle:\n' + \
+        '\nÜbersetzung:\n' + \
+        'google/bert2bert_L-24_wmt_de_en, Autoren: Sascha Rothe, Shashi Narayan, Aliaksei Severyn' + \
+        '\n\nFrage beantworten:\n' + \
+        'deepset/gelectra-base-germanquad, Autoren: Timo Möller, Julian Risch, Malte Pietsch' + \
+        '\n\nStimmung:\n' + \
+        'oliverguhr/german-sentiment-bert, Autoren:  Oliver Guhr, Anne-Kathrin Schumann, Frank Bahrmann, Hans Joachim Böhme'
 
-    st.text('\nStimmung:')
-    st.text('oliverguhr/german-sentiment-bert, Autoren:  Oliver Guhr, Anne-Kathrin Schumann, Frank Bahrmann, Hans Joachim Böhme')
+    st.markdown(references)