Upload 3 files

gradio_app.py

@@ -0,0 +1,161 @@
+import logging
+import gradio as gr
+import time
+import json
+
+from main import (
+    load_model_with_questions_and_answers,
+    simulate_question_answering,
+    find_similar_question
+)
+
+# Deaktiviere alle Logging-Ausgaben außer kritischen Fehlern
+logging.getLogger().setLevel(logging.CRITICAL)
+
+# Modell laden
+category_nodes, questions = load_model_with_questions_and_answers("model_with_qa.json")
+
+def test_model_with_answers(category_nodes, questions, query):
+    """
+    Testet das Modell mit einer Abfrage und gibt die gefundene Frage, Antwort und Gewichtung zurück.
+
+    Args:
+        category_nodes (list): Liste der Kategorie-Knoten.
+        questions (list): Liste der Fragen.
+        query (str): Die Abfrage, nach der gesucht werden soll.
+
+    Returns:
+        tuple: Die gefundene Frage, Antwort und Gewichtung.
+    """
+    # Suche nach der ähnlichsten Frage im Modell
+    matched_question = find_similar_question(questions, query)
+
+    if matched_question and matched_question.get('question') != "Keine passende Frage gefunden":
+        answer = matched_question.get('answer', 'Keine Antwort verfügbar')
+
+        # Simulation der Fragebeantwortung (Gewichtung/Aktivierung)
+        activation = simulate_question_answering(category_nodes, matched_question['question'], questions)
+
+        # Rückgabe der relevanten Informationen
+        return f"Frage: \"{query}\"", f"Antwort: \"{answer}\"", f"Gewichtung: {activation:.2f}"
+    else:
+        # Falls keine passende Frage gefunden wurde
+        return f"Frage: \"{query}\"", "Antwort: \"Keine passende Frage gefunden\"", "Gewichtung: 0.00"
+
+def measure_response_time(func, *args, **kwargs):
+    """
+    Misst die Zeit, die eine Funktion benötigt, um ausgeführt zu werden, und gibt die Ergebnisse zusammen mit der Zeit zurück.
+
+    Args:
+        func (callable): Die auszuführende Funktion.
+        *args: Positionsargumente für die Funktion.
+        **kwargs: Schlüsselwortargumente für die Funktion.
+
+    Returns:
+        tuple: Die Ergebnisse der Funktion und die verstrichene Zeit in Millisekunden.
+    """
+    start_time = time.time()
+    result = func(*args, **kwargs)
+    end_time = time.time()
+    elapsed_time = (end_time - start_time) * 1000  # Umwandlung in Millisekunden
+    return result, elapsed_time
+
+def extract_questions_and_answers_from_json(input_json, output_txt):
+    """
+    Extrahiert Fragen und Antworten aus einer JSON-Datei und schreibt sie in eine Textdatei.
+
+    Args:
+        input_json (str): Der Pfad zur Eingabe-JSON-Datei.
+        output_txt (str): Der Pfad zur Ausgabe-Textdatei.
+    """
+    try:
+        with open(input_json, mode='r', encoding='utf-8') as jsonfile, open(output_txt, mode='w', encoding='utf-8') as txtfile:
+            data = json.load(jsonfile)
+            questions = data.get('questions', [])
+            for question in questions:
+                q = question.get('question', '')
+                a = question.get('answer', '')
+                if q and a:
+                    txtfile.write(f'"question": "{q}",\n')
+                    txtfile.write(f'"answer": "{a}"\n\n')
+        print(f"Fragen und Antworten wurden erfolgreich in {output_txt} geschrieben.")
+    except FileNotFoundError:
+        print(f"Die Datei {input_json} wurde nicht gefunden.")
+    except json.JSONDecodeError:
+        print(f"Fehler beim Parsen der JSON-Datei {input_json}.")
+    except Exception as e:
+        print(f"Ein Fehler ist aufgetreten: {e}")
+
+def load_questions_and_answers(file_path):
+    """
+    Lädt Fragen und Antworten aus einer Textdatei.
+
+    Args:
+        file_path (str): Der Pfad zur Textdatei.
+
+    Returns:
+        str: Der Inhalt der Textdatei.
+    """
+    try:
+        with open(file_path, mode='r', encoding='utf-8') as file:
+            content = file.read()
+        return content
+    except FileNotFoundError:
+        return "Datei nicht gefunden."
+    except Exception as e:
+        return f"Fehler beim Lesen der Datei: {e}"
+
+# Gradio-Interface
+def gradio_interface(query):
+    """
+    Gradio-Schnittstelle zur Verarbeitung der Benutzerabfrage.
+
+    Args:
+        query (str): Die Abfrage des Benutzers.
+
+    Returns:
+        tuple: Die gefundene Frage, Antwort, Gewichtung und die verstrichene Zeit in Millisekunden.
+    """
+    if category_nodes and questions:
+        result, elapsed_time = measure_response_time(test_model_with_answers, category_nodes, questions, query)
+        return *result, f"Reaktionszeit: {elapsed_time:.2f} ms"
+    else:
+        logging.critical("Kein Modell gefunden.")
+        return "Fehler", "Kein Modell geladen.", "0.00", "Reaktionszeit: 0.00 ms"
+
+# Pfade zu den Dateien
+input_json = 'model_with_qa.json'
+output_txt = 'questions_and_answers.txt'
+
+# Extrahiere Fragen und Antworten aus der JSON-Datei und speichere sie in der Textdatei
+extract_questions_and_answers_from_json(input_json, output_txt)
+
+# Lade die Fragen und Antworten aus der Textdatei
+questions_and_answers_content = load_questions_and_answers(output_txt)
+
+# Erstelle das Gradio-Interface
+iface = gr.Interface(
+    fn=gradio_interface,
+    inputs=gr.Textbox(label="Frage eingeben", placeholder="Stellen Sie eine Frage..."),
+    outputs=[
+        gr.Textbox(label="Frage"),
+        gr.Textbox(label="Antwort"),
+        gr.Textbox(label="Gewichtung"),
+        gr.Textbox(label="Reaktionszeit")
+    ],
+    title="Frage-Antwort-Modell",
+    description="Stellen Sie eine Frage, und das Modell wird versuchen, eine passende Antwort mit Gewichtung zu finden."
+)
+
+# Füge ein aufklappbares Ausgabefenster hinzu, das die Liste der Fragen und Antworten anzeigt
+with gr.Blocks() as demo:
+    gr.Markdown("## Frage-Antwort-Modell")
+    with gr.Row():
+        with gr.Column():
+            iface.render()
+        with gr.Column():
+            gr.Markdown("### Fragen und Antworten")
+            gr.Textbox(value=questions_and_answers_content, lines=20, label="Fragen und Antworten", interactive=False)
+
+# Starte das Gradio-Interface
+demo.launch()

model_with_qa.json

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:34eacbaffd1e18ea850939abb13fb2e1f798e363ace16d70d3adf235dc2f8c20
-size 11131278
+oid sha256:fb04d6f14ef6c9547b17ea50603b0a0d9acfa244ac0c8cdcaf751d5365fff7b1
+size 18533582