Create app.py

app.py

@@ -0,0 +1,116 @@
+import os
+import torch
+import onnx
+import gradio as gr
+from transformers import AutoModel, AutoTokenizer
+from huggingface_hub import HfApi, HfFolder, Repository
+
+# モデルをONNXに変換する関数
+def convert_to_onnx_custom_tensors(model_name, tensor_list, output_path="model.onnx"):
+    # モデルとトークナイザをロード
+    tokenizer = AutoTokenizer.from_pretrained(model_name)
+    model = AutoModel.from_pretrained(model_name)
+
+    # ユーザー指定のテンソル内容をパースして作成
+    try:
+        input_tensors = []
+        for tensor_str in tensor_list:
+            input_tensors.append(torch.tensor(eval(tensor_str)))
+        
+        # ダミーの例として、最初の2つのテンソルをinput_idsとattention_maskとして使用
+        input_ids = input_tensors[0] if len(input_tensors) > 0 else torch.zeros((1, 1))
+        attention_mask = input_tensors[1] if len(input_tensors) > 1 else torch.ones((1, 1))
+
+    except Exception as e:
+        return f"テンソル作成中にエラーが発生しました: {e}"
+
+    # モデルをONNXにエクスポート
+    try:
+        torch.onnx.export(
+            model,
+            (input_ids, attention_mask),
+            output_path,
+            input_names=["input_ids", "attention_mask"],
+            output_names=["output"],
+            dynamic_axes={"input_ids": {0: "batch_size"}, "attention_mask": {0: "batch_size"}},
+            opset_version=11
+        )
+        return f"モデルをONNX形式で{output_path}にエクスポートしました。"
+    except Exception as e:
+        return f"ONNX形式へのエクスポート中にエラーが発生しました: {e}"
+
+# Hugging Face Hubにデプロイする関数
+def deploy_to_huggingface(access_token, repo_name, model_path="model.onnx"):
+    # Hugging Face Hubへの認証
+    HfFolder.save_token(access_token)
+    api = HfApi()
+
+    # リポジトリを作成 (もし存在しない場合)
+    try:
+        if not api.model_info(repo_name, use_auth_token=access_token):
+            api.create_repo(repo_name, exist_ok=True, token=access_token)
+
+        # リポジトリにファイルをアップロード
+        repo = Repository(local_dir=repo_name, clone_from=repo_name, use_auth_token=True)
+        repo.git_pull()
+        repo.lfs_track(["*.onnx"])
+        os.makedirs(repo_name, exist_ok=True)
+        model_output_path = os.path.join(repo_name, "model.onnx")
+        os.rename(model_path, model_output_path)
+        
+        repo.git_add()
+        repo.git_commit("Add ONNX model")
+        repo.git_push()
+        return f"{repo_name}にONNXモデルをデプロイしました。"
+    except Exception as e:
+        return f"デプロイ中にエラーが発生しました: {e}"
+
+# AIの基本的な仕組みの解説
+def ai_explanation():
+    explanation = """
+    AI（人工知能）は、人間の知的作業を模倣する技術です。
+    特にディープラーニングはニューラルネットワークを用いて、大量のデータから特徴を学習し、分類や予測などを行うことができます。
+    モデルはトレーニングフェーズでデータを用いて学習し、その後の推論フェーズで新しいデータに対して応答を生成します。
+    ONNXは異なるフレームワーク間で互換性を持たせるための形式で、PyTorchやTensorFlowのモデルを統一的に使うことができます。
+    """
+    return explanation
+
+# Gradioインターフェースの作成
+def main():
+    with gr.Blocks() as demo:
+        gr.Markdown("# ONNXモデル変換・デプロイツールとAIの解説")
+        
+        # AIの基本説明セクション
+        with gr.Tab("AIの基本説明"):
+            explanation = gr.Markdown(ai_explanation())
+
+        # ONNX変換セクション
+        with gr.Tab("ONNXモデルの変換"):
+            model_name = gr.Textbox(label="モデル名", placeholder="例: bert-base-uncased")
+            tensor_list = gr.Dataframe(headers=["テンソルの内容"], datatype="str", row_count=3, col_count=1, placeholder="例: [[101, 2057, 2024, 102]]")
+            convert_btn = gr.Button("ONNXに変換")
+            output = gr.Textbox(label="出力メッセージ")
+            
+            convert_btn.click(
+                convert_to_onnx_custom_tensors,
+                inputs=[model_name, tensor_list],
+                outputs=output
+            )
+        
+        # デプロイセクション
+        with gr.Tab("Hugging Faceにデプロイ"):
+            access_token = gr.Textbox(label="Hugging Faceアクセストークン", type="password")
+            repo_name = gr.Textbox(label="リポジトリ名")
+            deploy_btn = gr.Button("デプロイ")
+            deploy_output = gr.Textbox(label="デプロイ出力")
+
+            deploy_btn.click(
+                deploy_to_huggingface,
+                inputs=[access_token, repo_name],
+                outputs=deploy_output
+            )
+
+    demo.launch()
+
+if __name__ == "__main__":
+    main()