app.py

import streamlit as st
from tensorflow.keras.models import load_model
import numpy as np
from transformers import logging

# Hugging Face Transformers kütüphanesinden gelen hataları kapat
logging.set_verbosity_error()

# Streamlit başlık
st.title('Chat with Me')

# Model yükleme (burada dil modeli veya sohbet modeli olmalı)
model = load_model('text_classification_model.h5')

# Chat history
if 'chat_history' not in st.session_state:
    st.session_state.chat_history = []

# Kullanıcıdan giriş alma
soru = st.text_input('Sor:')

# Yanıt üretme fonksiyonu (modelinize göre bu kısım değişebilir)
def generate_response(input_text):
    # Örneğin, modelinize uygun şekilde giriş ve çıkışları dönüştürün
    # Bu basit bir örnek, modelinizin gereksinimlerine göre düzenlemelisiniz
    input_vector = np.array([input_text])  # Modelin beklediği giriş formatı
    prediction = model.predict(input_vector)
    response = "Bu bir örnek yanıttır."  # Modelden gelen yanıtı buraya yazın
    return response

# "Sor" butonuna tıklama olayını işleme
if st.button('Sor'):
    if soru:
        response = generate_response(soru)
        st.session_state.chat_history.append({'role': 'user', 'text': soru})
        st.session_state.chat_history.append({'role': 'model', 'text': response})
        st.experimental_rerun()

# Sohbet geçmişini gösterme
for message in reversed(st.session_state.chat_history):
    if message['role'] == 'user':
        st.markdown(f'<div style="text-align: right; background-color: #2F2F2F; padding: 10px; border-radius: 10px; margin: 10px; width: fit-content;">👤 Sen: {message["text"]}</div>', unsafe_allow_html=True)
    elif message['role'] == 'model':
        st.markdown(f'<div style="text-align: left; background-color: #2E2E2E; padding: 10px; border-radius: 10px; margin: 10px; width: fit-content;">🤖 Bot: {message["text"]}</div>', unsafe_allow_html=True)

# "Yeni Sohbet" butonuna tıklama olayını işleme
if st.button('Yeni Sohbet'):
    st.session_state.chat_history = []
    st.experimental_rerun()