First commit

IA-4.py

@@ -0,0 +1,98 @@
+import torch
+import torch.nn as nn
+import torch.optim as optim
+import numpy as np
+
+# Modelo
+class SimpleChat(nn.Module):
+    def __init__(self, input_size, hidden_size, output_size):
+        super(SimpleChat, self).__init__()
+
+        # Camada de codificador RNN
+        self.encoder = nn.GRU(input_size, hidden_size)
+
+        # Camada de decodificador RNN
+        self.decoder = nn.GRU(hidden_size, hidden_size)
+
+        # Mapeamento linear para a saída
+        self.linear = nn.Linear(hidden_size, output_size)
+
+    def forward(self, input_seq, hidden=None):
+        # Codificador RNN
+        encoder_output, encoder_hidden = self.encoder(input_seq, hidden)
+
+        # Decodificador RNN
+        decoder_output, _ = self.decoder(encoder_output)
+
+        # Mapeamento linear da saída
+        output = self.linear(decoder_output)
+
+        return output
+
+# Treinamento do modelo
+def train(model, input_data, target_data, criterion, optimizer, epochs=1000):
+    for epoch in range(epochs):
+        optimizer.zero_grad()
+        output = model(input_data)
+        loss = criterion(output, target_data)
+        loss.backward()
+        optimizer.step()
+
+        if (epoch + 1) % 100 == 0:
+            print(f'Epoch [{epoch + 1}/{epochs}], Loss: {loss.item():.4f}')
+
+# Chat em tempo real
+def chatbot(model, input_size):
+    model.eval()
+    hidden = None
+
+    # Mapeamento de respostas em texto
+    text_responses = {
+        0: "Me chamo Theo",
+        1: "Como posso ajudar?",
+        2: "Desculpe, não consigo responder a isso.",
+        3: "Isso parece interessante!",
+        4: "Não entendi o que você disse.",
+        5: "Qual é o seu endereço?",
+        6: "Qual o seu nome completo?",
+        # Adicione mais respostas 
+    }
+
+    while True:
+        user_input = input("\n=> ")
+        if user_input.lower().strip() == "sair":
+            print("__Encerrando Chat__")
+            break
+
+        # Convertendo entrada do usuário em um tensor
+        input_tensor = torch.rand((len(user_input), 1, input_size))
+        output = model(input_tensor, hidden)
+
+        # Arredondando as saídas para inteiros
+        rounded_output = np.round(output.squeeze().detach().numpy()).astype(int)
+
+        # Obtendo resposta em texto
+        text_response = text_responses.get(rounded_output[0], "Desculpe, não sei o que dizer.")
+
+        print(f'Chatbot: {text_response}')
+
+# Uso
+input_size = 10
+hidden_size = 20
+output_size = 1
+
+# Instâncias
+model = SimpleChat(input_size, hidden_size, output_size)
+criterion = nn.MSELoss()
+optimizer = optim.Adam(model.parameters(), lr=0.001)
+
+# Dados de entrada e de saída de exemplo
+input_data = torch.rand(5, 1, input_size)
+target_data = torch.rand(5, 1, output_size)
+
+train(model, input_data, target_data, criterion, optimizer)
+
+print('Fim do treinamento!')
+
+# Iniciar interação em tempo real
+chatbot(model, input_size)