UIGEN-T1-Qwen-7b: Специализированные модели для генерации компонентов пользовательского интерфейса HTML и CSS

Общее введение

UIGEN-T1 - это прибор с 7 миллиардами параметров. Трансформатор модель, доработанная на основе Qwen2.5-Coder-7B-Instruct и предназначенная для генерации пользовательских интерфейсов на основе рассуждений. Она использует сложный подход, основанный на цепочке мыслей, для создания мощных компонентов пользовательского интерфейса на основе HTML и CSS. В настоящее время она ограничена базовыми приложениями, такими как приборные панели, целевые страницы и регистрационные формы. Модель генерирует HTML- и CSS-макеты, рассуждая о принципах дизайна. Несмотря на то что модель обладает мощным процессом цепного мышления, в настоящее время она ограничена текстовыми элементами пользовательского интерфейса и более простыми внешними приложениями. Модель отлично справляется с приборными панелями, целевыми страницами и регистрационными формами, но ей не хватает продвинутой интерактивности (например, функций, активно использующих JavaScript).

Список функций

• Поколение пользовательского интерфейса: Умение генерировать HTML и CSS код для создания пользовательских интерфейсов.
• цепное мышление: Генерируйте макеты пользовательского интерфейса, рассуждая о принципах дизайна с помощью подхода, основанного на цепном мышлении.
• Применимые сценарии: Особенно подходит для базовых приложений, таких как информационные панели, целевые страницы и регистрационные формы.
• генерация кода: Сгенерированный код хорошо структурирован и эффективен.

Использование помощи

UIGEN-T1 способен генерировать HTML- и CSS-код пользовательского интерфейса (UI) на основе слов подсказок. Ниже перечислены основные шаги и соображения по использованию модели:

1. Подготовка среды

Убедитесь, что ваша среда соответствует следующим требованиям:

• программное обеспечение: Рекомендуется не менее 12 ГБ оперативной памяти VRAM.
• оборудование::
  • Библиотека трансформеров (обнимающееся лицо)
  • PyTorch

2. Установка зависимостей

pip install transformers
pip install torch

3. Основной код рассуждений

Используйте следующий код для базовых рассуждений:

from transformers import AutoModelForCausalLM, AutoTokenizer
model_name = "smirki/UIGEN-T1"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name).to("cuda")
prompt = """<|im_start|>user
Make a dark-themed dashboard for an oil rig.<|im_end|>
<|im_start|>assistant
<|im_start|>think
"""
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
outputs = model.generate(**inputs, max_new_tokens=12012, do_sample=True, temperature=0.7) #max tokens has to be greater than 12k
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

4. Интерпретация кодексов

• Загрузка модели::
  • model_name = "smirki/UIGEN-T1": Указывает имя модели.
  • tokenizer = AutoTokenizer.from_pretrained(model_name): Загрузите предварительно обученный дизамбигуатор.
  • model = AutoModelForCausalLM.from_pretrained(model_name).to("cuda"): Загрузите модель и переместите ее на устройство CUDA (если оно доступно).
• Подготовка слов для подсказки::
  • prompt: Слова-подсказки, содержащие инструкции для пользователя. Например, создайте приборную панель в темной тематике для нефтяной вышки.
• моделируемое рассуждение::
  • inputs = tokenizer(prompt, return_tensors="pt").to("cuda"): Преобразуйте слово cue в тензор PyTorch и перенесите его на устройство CUDA.
  • outputs = model.generate(**inputs, max_new_tokens=12012, do_sample=True, temperature=0.7): Сгенерировать вывод.
    • max_new_tokens: Устанавливает максимальное количество сгенерированных токенов, которое должно быть больше 12012.
    • do_sample: Обеспечьте выборку, чтобы увеличить разнообразие генерируемого контента.
    • temperature: регулирует разнообразие генерируемого контента; меньшие значения делают вывод более детерминированным.
• Выходное декодирование::
  • print(tokenizer.decode(outputs, skip_special_tokens=True)): Декодируйте сгенерированный токен в текст и выведите результат.

5. Техника использования

• Инженерное слово::
  • Для лучшего обоснования может потребоваться добавить "ответ" в конец запроса на ввод.
  • Пример:Make a dark-themed dashboard for an oil rig. answer
• Ручная постобработка::
  • Сгенерированный код пользовательского интерфейса может потребовать ручной постобработки для доработки.
• тонкая настройка::
  • Модель может быть дополнительно настроена для конкретных фронтенд-фреймворков (например, React, Vue и т. д.).

6. Ограничения

• Не подходит для сложных внешних приложений: Эта модель не применима к сложным внешним приложениям, в которых используется большое количество JavaScript.
• Ограниченное разнообразие дизайна: Модель отдает предпочтение базовым макетам внешнего интерфейса и не может генерировать креативные или продвинутые макеты пользовательского интерфейса.
• артефакты: Некоторые выходные данные могут содержать артефакты форматирования.

7. Применяемые сценарии

• приборные панели: Быстрое создание экранов представления данных.
• целевая страница: Создавайте простые одностраничные приложения.
• регистрационная форма: Создайте экран регистрации пользователя.