celsowm

source spack/share/spack/setup-env.sh
spack load gcc@12.3.0
CMAKE_ARGS="-DLLAMA_CUBLAS=on -DCMAKE_CUDA_ARCHITECTURES=all-major" FORCE_CMAKE=1 pip install llama-cpp-python --force-reinstall --upgrade --no-cache-dir

celsowm

from datasets import load_dataset, Dataset
from trl import SFTTrainer
from transformers import AutoTokenizer, AutoModelForCausalLM, BitsAndBytesConfig, TrainingArguments
from peft import LoraConfig
import torch, sys

dataset = load_dataset("celsowm/auryn", split="train"
                       #, download_mode="force_redownload"
                       )

celsowm

{
  "perguntas_respostas": [
        {
      "pergunta": "O que é uma procuradoria estadual e qual é o seu papel no sistema jurídico?",
      "resposta": "Uma procuradoria estadual é um órgão responsável pela representação jurídica do Estado em questões legais. Seu papel inclui a defesa dos interesses e direitos do Estado nas esferas judicial e extrajudicial."
    },
    {
      "pergunta": "Quais são as principais funções desempenhadas por uma procuradoria estadual?",
      "resposta": "As principais funções de uma procuradoria estadual incluem a representação judicial e extrajudicial do Estado, a elaboração de pareceres jurídicos, a condução de processos administrativos e a assessoria aos órgãos públicos estaduais em questões legais."
    },

celsowm

import networkx as nx
import matplotlib.pyplot as plt

def plot_neural_network(entrada, oculta, saida):
    G = nx.DiGraph()

    G.add_nodes_from([f'Entrada{i+1}' for i in range(entrada)])
    G.add_nodes_from([f'Oculta{i+1}' for i in range(oculta)])
    G.add_nodes_from([f'Saida{i+1}' for i in range(saida)])

celsowm

import torch
import torch.nn as nn
import pandas as pd

# Ler o arquivo CSV
df = pd.read_csv('diabetes.csv')

# Extrair os dados para feature_set e labels
feature_set = torch.tensor(df.drop('diabetico', axis=1).values, dtype=torch.float32)
labels = torch.tensor(df['diabetico'].values, dtype=torch.float32)

celsowm

import tensorflow as tf
import pandas as pd

# Ler o arquivo CSV
df = pd.read_csv('diabetes.csv')

# Extrair os dados para feature_set e labels
feature_set = df.drop('diabetico', axis=1).values
labels = df['diabetico'].values

celsowm

import numpy as np
import pandas as pd

# Função de ativação sigmoid e sua derivada
def sigmoid(x):
    return 1 / (1 + np.exp(-x))

def sigmoid_der(x):
    return sigmoid(x) * (1 - sigmoid(x))

celsowm

import networkx as nx
import matplotlib.pyplot as plt

def plot_neural_network(entrada, oculta, saida):
    G = nx.DiGraph()

    G.add_nodes_from([f'Entrada{i+1}' for i in range(entrada)])
    G.add_nodes_from([f'Oculta{i+1}' for i in range(oculta)])
    G.add_nodes_from([f'Saida{i+1}' for i in range(saida)])

celsowm

celsowm

import numpy as np, sys
import pandas as pd

# Ler o arquivo CSV
df = pd.read_csv('diabetes.csv')

# Extrair os dados para feature_set e labels
feature_set = feature_set = df.drop('diabetico', axis=1).values
labels = df['diabetico'].values.reshape(-1, 1)