Update README.md
Browse files
README.md
CHANGED
|
@@ -1,89 +1,75 @@
|
|
| 1 |
---
|
| 2 |
tags:
|
| 3 |
-
- chatbot
|
| 4 |
-
-
|
| 5 |
-
- nutrição
|
| 6 |
-
-
|
| 7 |
-
- português
|
| 8 |
-
- distilgpt2
|
| 9 |
language: pt
|
| 10 |
license: mit
|
| 11 |
datasets:
|
| 12 |
-
- wpbcpaz/fitness-chatbot-dataset
|
| 13 |
metrics:
|
| 14 |
-
- perplexity
|
| 15 |
model-index:
|
| 16 |
-
- name: Fitness Chatbot Model
|
| 17 |
-
|
| 18 |
-
|
| 19 |
-
|
| 20 |
-
|
| 21 |
-
|
| 22 |
-
|
| 23 |
-
|
| 24 |
-
|
| 25 |
-
|
| 26 |
-
|
| 27 |
-
|
| 28 |
-
pipeline_tag: text-generation
|
| 29 |
---
|
| 30 |
|
| 31 |
-
 em um conjunto de dados desconhecido.
|
| 41 |
-
|
| 42 |
-
Este modelo foi treinado para atuar como um chatbot especializado em educação física e nutrição, com foco em auxiliar usuários iniciantes na criação de planos de treino semanais e dietas personalizadas. Ele responde perguntas sobre rotina de exercícios, alimentação, objetivos físicos e adaptações para diferentes perfis (idade, sexo, restrições alimentares).
|
| 43 |
-
|
| 44 |
-
### 🧠 Arquitetura
|
| 45 |
-
Modelo base: distilgpt2 (Hugging Face Transformers)
|
| 46 |
-
|
| 47 |
-
Tipo: Modelo de linguagem causal (Causal Language Model)
|
| 48 |
-
|
| 49 |
-
Tamanho: Pequeno, ideal para aplicações leves e responsivas
|
| 50 |
-
|
| 51 |
-
Idioma: Português
|
| 52 |
-
|
| 53 |
-
### 📚 Dataset
|
| 54 |
-
O modelo foi treinado com um conjunto de dados personalizado contendo exemplos de perguntas e respostas sobre:
|
| 55 |
-
|
| 56 |
-
Treinos semanais para iniciantes, intermediários e avançados
|
| 57 |
-
|
| 58 |
-
Dietas para hipertrofia, emagrecimento e manutenção
|
| 59 |
|
| 60 |
-
|
| 61 |
|
| 62 |
-
|
| 63 |
|
| 64 |
-
|
|
|
|
|
|
|
|
|
|
| 65 |
|
| 66 |
-
Formato
|
|
|
|
| 67 |
|
| 68 |
-
|
| 69 |
-
Assistente virtual para academias ou apps de saúde
|
| 70 |
|
| 71 |
-
|
| 72 |
|
| 73 |
-
|
|
|
|
|
|
|
|
|
|
| 74 |
|
| 75 |
-
|
| 76 |
|
| 77 |
-
|
| 78 |
-
O modelo não substitui orientação profissional de nutricionistas ou educadores físicos.
|
| 79 |
|
| 80 |
-
|
|
|
|
|
|
|
|
|
|
| 81 |
|
| 82 |
-
|
| 83 |
|
| 84 |
-
|
| 85 |
|
| 86 |
-
|
| 87 |
from transformers import AutoTokenizer, AutoModelForCausalLM
|
| 88 |
|
| 89 |
model = AutoModelForCausalLM.from_pretrained("wpbcpaz/fitness-chatbot-model")
|
|
@@ -93,7 +79,8 @@ input_text = "Usuário: Tenho 30 anos, treino 4x por semana e quero ganhar massa
|
|
| 93 |
inputs = tokenizer(input_text, return_tensors="pt")
|
| 94 |
outputs = model.generate(**inputs, max_new_tokens=100)
|
| 95 |
print(tokenizer.decode(outputs[0]))
|
| 96 |
-
|
|
|
|
| 97 |
### Hiperparâmetros de treinamento
|
| 98 |
|
| 99 |
Os seguintes hiperparâmetros foram utilizados durante o treinamento:
|
|
|
|
| 1 |
---
|
| 2 |
tags:
|
| 3 |
+
- chatbot
|
| 4 |
+
- treino
|
| 5 |
+
- nutrição
|
| 6 |
+
- fitness
|
| 7 |
+
- português
|
| 8 |
+
- distilgpt2
|
| 9 |
language: pt
|
| 10 |
license: mit
|
| 11 |
datasets:
|
| 12 |
+
- wpbcpaz/fitness-chatbot-dataset
|
| 13 |
metrics:
|
| 14 |
+
- perplexity
|
| 15 |
model-index:
|
| 16 |
+
- name: Fitness Chatbot Model
|
| 17 |
+
results:
|
| 18 |
+
- task:
|
| 19 |
+
type: text-generation
|
| 20 |
+
name: Geração de texto
|
| 21 |
+
dataset:
|
| 22 |
+
name: Fitness Chatbot Dataset
|
| 23 |
+
type: custom
|
| 24 |
+
metrics:
|
| 25 |
+
- name: Perplexity
|
| 26 |
+
type: perplexity
|
| 27 |
+
value: 12.3
|
|
|
|
| 28 |
---
|
| 29 |
|
| 30 |
+

|
| 31 |
|
| 32 |
# 🏋️ Chatbot de Treino e Nutrição
|
| 33 |
|
| 34 |
+
Este modelo foi treinado para atuar como um **assistente virtual especializado em educação física e nutrição**, com foco em iniciantes que desejam montar planos de treino e dieta personalizados.
|
| 35 |
|
| 36 |
+
---
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 37 |
|
| 38 |
+
## 📚 Dataset
|
| 39 |
|
| 40 |
+
O modelo foi treinado com um conjunto de dados customizado contendo perguntas e respostas sobre:
|
| 41 |
|
| 42 |
+
- Treinos semanais para diferentes níveis
|
| 43 |
+
- Dietas para emagrecimento, hipertrofia e manutenção
|
| 44 |
+
- Restrições alimentares (vegetarianismo, intolerância à lactose)
|
| 45 |
+
- Recomendações de frequência, recuperação e mobilidade
|
| 46 |
|
| 47 |
+
Formato: JSONL com campos `"input"` e `"output"`
|
| 48 |
+
Repositório do dataset: [wpbcpaz/fitness-chatbot-dataset](https://huggingface.co/datasets/wpbcpaz/fitness-chatbot-dataset)
|
| 49 |
|
| 50 |
+
---
|
|
|
|
| 51 |
|
| 52 |
+
## 🧠 Modelo
|
| 53 |
|
| 54 |
+
- **Base:** distilgpt2
|
| 55 |
+
- **Tipo:** Causal Language Model
|
| 56 |
+
- **Idioma:** Português
|
| 57 |
+
- **Tamanho:** Leve, ideal para aplicações web e mobile
|
| 58 |
|
| 59 |
+
---
|
| 60 |
|
| 61 |
+
## 🎯 Aplicações
|
|
|
|
| 62 |
|
| 63 |
+
- Chatbots para academias ou apps de saúde
|
| 64 |
+
- Interfaces conversacionais em sites
|
| 65 |
+
- Ferramentas de onboarding para novos praticantes
|
| 66 |
+
- Assistentes virtuais para planos alimentares básicos
|
| 67 |
|
| 68 |
+
---
|
| 69 |
|
| 70 |
+
## 🧪 Como usar
|
| 71 |
|
| 72 |
+
```python
|
| 73 |
from transformers import AutoTokenizer, AutoModelForCausalLM
|
| 74 |
|
| 75 |
model = AutoModelForCausalLM.from_pretrained("wpbcpaz/fitness-chatbot-model")
|
|
|
|
| 79 |
inputs = tokenizer(input_text, return_tensors="pt")
|
| 80 |
outputs = model.generate(**inputs, max_new_tokens=100)
|
| 81 |
print(tokenizer.decode(outputs[0]))
|
| 82 |
+
```
|
| 83 |
+
|
| 84 |
### Hiperparâmetros de treinamento
|
| 85 |
|
| 86 |
Os seguintes hiperparâmetros foram utilizados durante o treinamento:
|