src/streamlit_app.py

import streamlit as st
from transformers import AutoModelForSeq2SeqLM, AutoTokenizer
import torch

# GPU kullanılabilirliğini kontrol edelim
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

# Arayüz ayarları
st.set_page_config(layout="centered")
st.title("English-to-SQL Deep Learning Model")

# Model ve Tokenizer tanımlayalım: Sadece bir kez yüklenmesi için önbelleğe de aldık.
@st.cache_resource
def load_model():
    model_name = "mrm8488/t5-base-finetuned-wikiSQL"
    tokenizer = AutoTokenizer.from_pretrained(model_name, force_download=True)
    model = AutoModelForSeq2SeqLM.from_pretrained(model_name, force_download=True).to(device)
    return tokenizer, model

tokenizer, model = load_model()

def prompt_to_sql(prompt):
  # Modelin eğitim verisine uygun girdi formatı:
  input_text = f"translate English to SQL: {prompt}"

  # Girilen metni tensörlere çevirelim ve GPU(cuda)'ya aktaralım.
  input_ids = tokenizer.encode(input_text, return_tensors="pt").to(device)

  # Çıktıyı (tensör) üretelim:
  outputs = model.generate(input_ids,max_length=128)

  # Çıktı tensörünü okunabilir metne çevirelim
  sql = tokenizer.decode(outputs[0], skip_special_tokens=True)
  return sql

# Kullanıcı veri girişi
user_input = st.text_input("Prompt:",placeholder="What is the average age of users who live in Istanbul?")
if st.button("Generate SQL"):
    if user_input.strip():
        with st.spinner("Generating..."):
            sql = prompt_to_sql(user_input)
            st.success("Generation succeeded!")
            st.code(sql, language="sql")
    else:
        st.error("Prompt invalid!")