| import gradio as gr | |
| import openai | |
| import os | |
| openai.api_key = os.getenv("OPENAI_API_KEY") | |
| def generate_completion(user_prompt): | |
| hidden_context = " " | |
| prompt = hidden_context + user_prompt | |
| response = openai.Completion.create( | |
| model="davinci:ft-topwow-llc-2023-08-29-01-18-54", | |
| prompt=prompt, | |
| max_tokens=10, | |
| temperature=0, | |
| stop=["_END"] | |
| ) | |
| return response.choices[0].text.strip() | |
| iface = gr.Interface(fn=generate_completion, | |
| inputs=gr.inputs.Textbox(lines=5, placeholder=' Insertar la flecha -> dos espacios después de la descripción del síntoma, por ejemplo "tengo fuerte dolor estomacal nocturno ->"'), | |
| outputs='text', | |
| title="Detector de síntomas de colon rectal ", | |
| description="Plataforma para detectar potenciales síntomas de tumor colon rectal, no reemplaza a los profesionales de la medicina. Insertar la flecha -> dos espacios después de la descripción del síntoma, por ejemplo: tengo fuerte dolor estomacal nocturno ->, después debe hacer click en Submit y el sistema le dará una respuesta sobre si tiene potencial síntoma o no. Redes neuronales transformers, transfer learning y fine tunning. ",) | |
| iface.launch() | |