Create app.py

app.py

@@ -0,0 +1,54 @@
+import torch
+device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
+from transformers import AutoTokenizer, AutoModelForCausalLM
+
+tokenizer = AutoTokenizer.from_pretrained("Salesforce/codegen2-1B")
+model = AutoModelForCausalLM.from_pretrained("sarah111/codegen_1b_tatqa", trust_remote_code=True)
+
+import gradio as gr
+
+def tableQA(Question, table):
+    answer = 0
+    program = ""
+    try : 
+        table = table.to_csv(header=True, index=False).strip('\n').split('\n')
+        table = '\n'.join(table)
+        #print(table)
+        entree = 'Table :\n{0}\n\nQuestion : {1}\n\nProgram :'.format(table, Question)    
+        print(entree)
+        model.to(device)
+        input_ids = tokenizer(entree, return_tensors="pt").input_ids.to(device)
+        
+        gen_tokens = model.generate(input_ids.to(device),do_sample=True,temperature=0.9,max_length=400)
+        output = tokenizer.batch_decode(gen_tokens)[0]                
+        program = output.split("Program :````Python\n",1)[1].split("<|endoftext|>",1)[0].split("answer=")[1]
+        print(program)
+        program = program.replace(",", "")
+        answer = eval(program)
+        print(answer)
+                        
+    except:
+        print('exception')
+
+    return program, answer
+
+demo = gr.Interface(
+    fn = tableQA,
+    inputs = [
+        "text",
+        gr.Dataframe(
+            headers=["", "2019", "2018"],
+            datatype=["str", "str", "str"],
+            label="Table",
+        ),
+    ],
+    outputs=[gr.Textbox(label="Derivation"),gr.Textbox(label="Result")],
+    title ="Outil d’aide aux financiers",
+    description = "Ce prototype met en évidence une situation réelle où le système de question réponse est mis en place pour permettre à des financiers de poser des questions nécessitant un raisonnement arithmétique et portant sur une table issue d’un rapport financier.",
+    examples=ex,
+
+)
+
+
+
+demo.launch(share=True)