Update app.py

app.py

@@ -1,78 +1,91 @@
-from transformers import AutoTokenizer, AutoModelForCausalLM
-import torch
-
-# モデルロード
-tokenizer = AutoTokenizer.from_pretrained("rinna/japanese-gpt-neox-3.6b")
-model = AutoModelForCausalLM.from_pretrained("rinna/japanese-gpt-neox-3.6b")
-
-# 🔤 各プロンプト定義
-cases = [
-    {
-        "user_input": """1歳時馬体重：430kg
-体高：155.0cm
-胸囲：180.0cm
-管囲：20.8cm
-生年月日：2023-03-15
-測尺日：2024-06-10""",
-        "result_summary": """予測馬体重：480kg、ベストな馬体重
-標準管囲との乖離：太い
-過去の名馬：トーホウジャッカル 菊花賞G1芝3000m、オーソリティ アルゼンチン共和国杯G2芝2500m"""
-    },
-    {
-        "user_input": """1歳時馬体重：500kg
-体高：152.0cm
-胸囲：175.0cm
-管囲：18.0cm
-生年月日：2023-02-20
-測尺日：2024-06-20""",
-        "result_summary": """予測馬体重：540kg、やや重め
-標準管囲との乖離：細い
-過去の名馬：サクセスブロッケン フェブラリーS G1ダ1600m、スマートファルコン 東京大賞典G1ダ2000m"""
-    },
-    {
-        "user_input": """1歳時馬体重：380kg
-体高：158.0cm
-胸囲：172.0cm
-管囲：20.2cm
-生年月日：2023-04-10
-測尺日：2024-06-01""",
-        "result_summary": """予測馬体重：455kg、成長余地あり
-標準管囲との乖離：標準
-過去の名馬：ダノンザキッド ホープフルS G1芝2000m、ジャスタウェイ 安田記念G1芝1600m"""
-    },
-    {
-        "user_input": """1歳時馬体重：470kg
-体高：164.5cm
-胸囲：179.0cm
-管囲：21.5cm
-生年月日：2023-03-05
-測尺日：2024-07-01""",
-        "result_summary": """予測馬体重：510kg、完成度高め
-標準管囲との乖離：非常に太い
-過去の名馬：キズナ 東京優駿G1芝2400m、ハーツクライ 有馬記念G1芝2500m"""
-    }
-]
-
-# 🌟 生成関数
-def generate_comment(prompt):
-    full_prompt = f"""以下は、一口馬主の募集馬についてのAI総括コメントです。
-
-ユーザーが入力した項目：
-{prompt["user_input"]}
-
-予測した結果：
-{prompt["result_summary"]}
-
-この馬について得られた結果を総括したうえで、ポジティブな言葉で締めくくってください。
-コメント："""
-
-    input_ids = tokenizer.encode(full_prompt, return_tensors="pt")
-    output = model.generate(input_ids, max_new_tokens=120, do_sample=True, temperature=0.7)
-    decoded = tokenizer.decode(output[0], skip_special_tokens=True)
-    return decoded.split("コメント：")[-1].strip()
-
-# 🔁 一括生成と表示
-for i, case in enumerate(cases, 1):
-    print(f"\n=== 🐴 Case {i} ===")
-    comment = generate_comment(case)
-    print(comment)
+import streamlit as st
+from transformers import AutoTokenizer, AutoModelForCausalLM
+import torch
+
+# 🧠 モデルロード（初回キャッシュで高速化）
+@st.cache_resource
+def load_model():
+    tokenizer = AutoTokenizer.from_pretrained("rinna/japanese-gpt-neox-3.6b")
+    model = AutoModelForCausalLM.from_pretrained("rinna/japanese-gpt-neox-3.6b")
+    return tokenizer, model
+
+tokenizer, model = load_model()
+
+# 📝 入力データ（4ケース）
+cases = [
+    {
+        "user_input": """1歳時馬体重：430kg
+体高：155.0cm
+胸囲：180.0cm
+管囲：20.8cm
+生年月日：2023-03-15
+測尺日：2024-06-10""",
+        "result_summary": """予測馬体重：480kg、ベストな馬体重
+標準管囲との乖離：太い
+過去の名馬：トーホウジャッカル 菊花賞G1芝3000m、オーソリティ アルゼンチン共和国杯G2芝2500m"""
+    },
+    {
+        "user_input": """1歳時馬体重：500kg
+体高：152.0cm
+胸囲：175.0cm
+管囲：18.0cm
+生年月日：2023-02-20
+測尺日：2024-06-20""",
+        "result_summary": """予測馬体重：540kg、やや重め
+標準管囲との乖離：細い
+過去の名馬：サクセスブロッケン フェブラリーS G1ダ1600m、スマートファルコン 東京大賞典G1ダ2000m"""
+    },
+    {
+        "user_input": """1歳時馬体重：380kg
+体高：158.0cm
+胸囲：172.0cm
+管囲：20.2cm
+生年月日：2023-04-10
+測尺日：2024-06-01""",
+        "result_summary": """予測馬体重：455kg、成長余地あり
+標準管囲との乖離：標準
+過去の名馬：ダノンザキッド ホープフルS G1芝2000m、ジャスタウェイ 安田記念G1芝1600m"""
+    },
+    {
+        "user_input": """1歳時馬体重：470kg
+体高：164.5cm
+胸囲：179.0cm
+管囲：21.5cm
+生年月日：2023-03-05
+測尺日：2024-07-01""",
+        "result_summary": """予測馬体重：510kg、完成度高め
+標準管囲との乖離：非常に太い
+過去の名馬：キズナ 東京優駿G1芝2400m、ハーツクライ 有馬記念G1芝2500m"""
+    }
+]
+
+# ✨ コメント生成関数
+def generate_comment(prompt):
+    full_prompt = f"""以下は、一���馬主の募集馬についてのAI総括コメントです。
+
+ユーザーが入力した項目：
+{prompt["user_input"]}
+
+予測した結果：
+{prompt["result_summary"]}
+
+この馬について得られた結果を総括したうえで、ポジティブな言葉で締めくくってください。
+コメント："""
+
+    input_ids = tokenizer.encode(full_prompt, return_tensors="pt")
+    output = model.generate(input_ids, max_new_tokens=120, do_sample=True, temperature=0.7)
+    decoded = tokenizer.decode(output[0], skip_special_tokens=True)
+    return decoded.split("コメント：")[-1].strip()
+
+# 🌐 Streamlit UI
+st.title("🐴 募集馬AIコメント生成（デモ）")
+
+if st.button("🎯 コメントを一括生成"):
+    for i, case in enumerate(cases, 1):
+        with st.spinner(f"Case {i} を生成中..."):
+            comment = generate_comment(case)
+            st.markdown(f"### 🐴 Case {i}")
+            st.markdown(f"**📥 入力**\n```\n{case['user_input']}\n```\n")
+            st.markdown(f"**📊 予測結果**\n```\n{case['result_summary']}\n```\n")
+            st.markdown(f"**📝 コメント**\n> {comment}")
+            st.markdown("---")