使用 Next.js 和 Tailwind CSS

使用 Next.js 和 Tailwind CSS 構建的程序員作品集網站

是否正在為創建專業的個人作品集網站而苦惱？別再猶豫了！您可以使用開發者作品集模板，立即創建您自己的個性化作品集！我的網站設計用戶友好且易于定制，非常適合開發人員和自由職業者。

部分

演示
安裝
入門
用法
使用的軟件包
英雄部分
關于我
經驗
技能
項目
教育
博客
聯系方式

您需要下載 Git 和 Node 來運行此項目

Git
Node

確保您的計算機上安裝了最新版本的 Git 和 Node。

node --version
git --version

要 Fork 倉庫，請單擊頁面右上角的 fork 按鈕。Fork 倉庫后，打開終端并執行以下命令

git clone https://github.com/<YOUR GITHUB USERNAME>/developer-portfolio.git
cd developer-portfolio

從根目錄安裝軟件包

npm install
# or
yarn install

然后，運行開發服務器：

npm run dev
# or
yarn dev

使用瀏覽器打開 http://localhost:3000 查看結果。

前往 emailjs.com 并創建一個新帳戶以發送郵件。在免費試用版中，您每月將獲得 200 封郵件。設置 emailjs 帳戶后，請從 .env.example 文件創建一個新的 .env 文件。

例如：

NEXT_PUBLIC_EMAILJS_SERVICE_ID=NEXT_PUBLIC_EMAILJS_TEMPLATE_ID=NEXT_PUBLIC_EMAILJS_PUBLIC_KEY=NEXT_PUBLIC_GTM=# For site analytics
NEXT_PUBLIC_APP_URL="http://127.0.0.1:3000"
NEXT_PUBLIC_RECAPTCHA_SECRET_KEY=# For captcha verification on contact form
NEXT_PUBLIC_RECAPTCHA_SITE_KEY=

然后，在 utils/data 文件夾中自定義數據。

例如：

export const personalData={
  name: "ABU SAID",
  profile: "/profile.png",
  designation: "Full-Stack Software Developer",
  description: "My name is ABU SAID....",
  email: "abusaid7388@gmail.com",
  phone: "+8801608797655",
  address: "Dhaka, Bangladesh",
  github: "https://github.com/said7388",
  facebook: "https://www.facebook.com/abusaid.riyaz/",
  linkedIn: "https://www.linkedin.com/in/abu-said-bd/",
  twitter: "https://twitter.com/said7388",
  stackOverflow: "https://stackoverflow.com/users/16840768/abu-said",
  leetcode: "https://leetcode.com/said3812/",
  devUsername: "said7388",
  resume: "...",
};

devUsername 用于從 dev.to 獲取博客。

使用的軟件包列表

next
@emailjs/browser
lottie-react
react-fast-marquee
react-icons
react-toastify
sass
tailwindcss

項目地址：https://github.com/said7388/developer-portfolio

指南將引導你學習構建一個自動完成任意輸入文本的Web應用程序。

作者 | Dev Sharma

譯者 | 蘇本如，責編 | 郭芮

出品 | CSDN（ID：CSDNnews）

以下為譯文：

在本文中，我們將使用OpenAI的新一代表語言模型GPT-2來建立模型，使用Panel框架來構建web頁面的儀表板。本指南分為兩部分。在第一部分中，我們將加載我們的模型并編寫一個預測函數。在第二部分中，我們將構建一個web應用程序。

自動生成文本的應用程序示例。我們將構建這個web應用程序的一個更簡單的變體。

準備工作

本教程假設你已經安裝了Python 3.7+，并且對語言模型有一定的了解。盡管本教程所涉及的所有步驟都可以在Jupyter之外完成，但是強烈建議你使用jupyter notebook。

我們將使用PyTorch作為我們選擇的深度學習庫。在PyTorch中，我們將使用transformers庫導入預先訓練好的OpenGPT-2模型。可以通過在bash命令行中分別輸入以下命令來安裝這些庫：

pip install torch
pip install transformers

對于我們的web應用程序，我們將利用Panel這個窗口容器/框架，這是一個很好的工具，可以被用來從jupyter notebooks或者常規的Python腳本中輕松地創建可維護的儀表板。可以使用以下命令安裝Panel：

pip install panel

第一部分：建立模型

OpenAI的GPT是一種基于transformer的語言模型，它在生成類似人類語言的文本方面受到了很多關注。如果你以前沒有嘗試過，你很可能會在閱讀結束時得出同樣的觀點。

加載模型

首先，我們需要導入所需的包。詳情如下：

import numpy as np
import torch
import torch.nn.functional as F
from transformers import GPT2Tokenizer, GPT2LMHeadModel
from random import choice

接下來，我們將加載OpenGPT2的Tokenizer和語言模型：（如果是第一次運行，可能需要幾分鐘下載預先訓練的模型）

tok=GPT2Tokenizer.from_pretrained("gpt2")
model=GPT2LMHeadModel.from_pretrained("gpt2")

預測函數

在這個階段，大部分工作已經完成了。因為我們的模型是預先訓練過的，所以我們不需要再次訓練它或做任何修改。我們只需要編寫一個函數，它可以向模型輸入文本并生成預測的文本。

def get_pred(text, model, tok, p=0.7):
input_ids=torch.tensor(tok.encode(text)).unsqueeze(0)
logits=model(input_ids)[0][:, -1]
probs=F.softmax(logits, dim=-1).squeeze
idxs=torch.argsort(probs, descending=True)
res, cumsum=, 0.
for idx in idxs:
res.append(idx)
cumsum +=probs[idx]
if cumsum > p:
pred_idx=idxs.new_tensor([choice(res)])
break
pred=tok.convert_ids_to_tokens(int(pred_idx))
return tok.convert_tokens_to_string(pred)

這個函數中發生了很多事情。因此，讓我們把它分解來看看。首先，我們對input_ids中的輸入文本進行標記（tokenize）和編碼（encode）。接著，我們要求我們的模型為下一個單詞/標記（token）生成一個logits向量。在應用softmax函數并按降序對這些可能的概率結果進行排序之后，我們得到了一個向量idxs，它按各自的概率順序列出了每個token的索引。

在這個階段，我們可以選擇概率最高的token。但是，我們希望能夠混合結果，以便相同的輸入文本可以生成各種文本。為此，我們將添加一個隨機元素，從最可能的下一個token列表中選擇一個隨機token。這樣的話，我們就不會每次都選擇相同的預測token。為了做到這一點，我們采用了Nucleus (Top-p) Sampling 方式。

我們通過循環遍歷每個概率來執行此操作，直到循環遍歷的所有概率之和大于p（這里的p是一個介于0到1之間的任意數字）。當p被超過前，所有遍歷到的token都將被存儲在列表res中。一旦p被超過，我們就從這個列表中隨機選擇一個token。請記住，我們正在遍歷的概率列表包含了其按概率排序的索引。注意，p值越高，我們的列表中將包含更多的token。反之亦然。因此，如果每次都希望得到相同的結果，可以將p值設置為0。

現在，讓我們測試一下我們的預測函數：

每次都會有不同的結果，這正是我們所期望的。現在,我們的預測功能準備好了。讓我們開始構建我們的Web應用程序吧！

第二部分：構建web應用程序

Panel框架簡介

如果你還不熟悉Panel框架，那請記住，Panel框架可以幫助我們創建一個web儀表板和web應用程序。簡而言之，你需要知道的是它有三個主要組件：

Panel：可以包含一個或多個窗格（pane）對象的容器，面板（pane）對象是指文本、圖像、圖形、小部件等（也可以包含其他panel）；
Pane：任何單個對象，例如文本、圖像、數據幀等；
Widget（小部件）：用戶可以自行調整的項目，包括文本輸入框、滑塊、按鈕、復選框，等等可以改變窗格的行為的小部件。

下一個也是最后一個你需要知道的事情是：我們有多種方法來定義不同的窗格和小部件之間的交互方式,我們稱之為“callback(回調)”。例如，如果按下某個按鈕，其他窗格應該如何更新呢？稍后我們將定義一個回調函數來演示它將如何準確地做到這一點。

Web應用程序簡介

我們的文本生成器應用程序將有一個輸入窗口，以便用戶輸入他們想要輸入的文本。接下來，用戶應該能夠通過按下按鈕生成新的token。在這之后，它將使用我們在第一部分中定義的預測函數來預測新的token來生成新文本。最后，用戶應該能夠在已經預測的token基礎之上繼續生成新的文本。

實施

讓我們首先導入Panel并創建文本輸入小部件：

import panel as pn
pn.extension # loading panel's extension for jupyter compatibility text_input=pn.widgets.TextInput

現在，如果在jupyter中執行文本輸入，我們將得到以下結果：

接下來，我們需要一個窗格，它會在越來越多的token生成時存儲整個文本：

generated_text=pn.pane.Markdown(object=text_input.value)

注意，這里我們將文本對象設置為text_input的值。我們希望generated_text的值與text_input的值相同，因為我們將要在generated_text之上預測新文本。隨著越來越多的token被添加到我們的序列中，我們將繼續基于generated_text進行預測，直到用戶改變了text_input。一旦用戶改變了text_input，這個進程將重新啟動。

然而，到這里事情還沒有完全結束。盡管generated_text將在開始時接受text_input的值，但如果text_input值發生更改，generated_text值將不會自我更新。為此，我們需要像下面這樣將這兩個對象鏈接在一起：

text_input.link(generated_text, value='object')

這里，我們在text_input和generated_text之間形成了單向鏈接。因此，每當text_input的值發生更改時，generated_text值也將更改為新值。如下所示：

觀察面板中文的text_input和generated_text之間的鏈接行為。注意：作為組件的pn.Row也是一個面板，即它是一個窗格和小部件的容器。

現在我們有了兩個文本對象，讓我們來創建按鈕小部件：

button=pn.widgets.Button(name="Generate",button_type="primary")

很好，現在我們有了一個按鈕，我們只需要把它和我們想要的行為鏈接起來。為此，我們將編寫一個回調函數，該函數將在每次單擊按鈕時運行：

def click_cb(event):
pred=get_pred(generated_text.object, model, tok)
generated_text.object +=pred

這里發生了兩件事。首先，我們將generated_text作為輸入傳遞給我們之前編寫的預測函數，該函數將生成一個新的token。其次，將此token添加到generated_text中。每次新單擊按鈕時，這個過程都會重復。

到這里，我們仍然需要將按鈕單擊事件與回調函數綁定在一起。我們可以這樣做：

button.on_click(click_cb)

我們現在已經完成了所有小部件、窗格和函數的創建。接下來我們需要做的只是把這些東西放在一個面板里，然后看看會發現什么：

app=pn.Column(text_input, button, generated_text); app

注：pn.Column與pn.Row類似，它是另一種類型的panel，即小部件、窗格甚至其他panel的容器。

讓我們再添加一個標題和一個簡短的描述，我們就大功告成了！

title=pn.pane.Markdown("# **Text Generator**")
desc=pn.pane.HTML("<marquee scrollamount='10'><b>Welcome to the text generator! In order to get started, simply enter some starting input text below, click generate a few times and watch it go!</b></marquee>")final_app=pn.Column(title, desc ,app)

服務你的Web應用程序

Panel框架使得服務web應用程序變得非常容易。有兩種方法可以用來做這件事。第一個是調用“.show”命令。這種方法通常用于調試，如下面所示。它將啟動一個新窗口，在這個窗口中，一個名為final_app的 panel將作為一個web應用程序運行。

final_app.show

而為了讓它在生產環境中運行，你需要使用“.servable”方法。但是，如果你以類似于show方法的方式運行此操作，你的筆記本上不會出現任何東西，你必須像下面這樣在你的筆記本上運行bash腳本：

panel serve --show text_generation_app.ipynb

只要你的筆記本中有以下代碼，這個操作將在本地端口上啟動你的web應用：

final_app.servable

大功告成！

現在，你自己有能力構建一個自動生成文本的應用程序。你可以通過添加更多panel組件來進一步完善它。你甚至可以將此應用程序嵌入到其他項目中。像往常一樣，你可以在github上找到我的代碼庫。注意：下面圖片中的app是我在本教程中使用的app（text_generation_app.ipynb）的高級變體：。

原文：https://towardsdatascience.com/build-a-text-generator-web-app-in-under-50-lines-of-python-9b63d47edabb

本文為 CSDN 翻譯，轉載請注明來源出處。

【End】

習目標

在線咨詢

上一篇：漂亮嶄新的jquery日期控件 flexDate
下一篇：Magicodes.IE 2.7.1發布

您的項目需求

*請認真填寫需求信息，我們會在24小時內與您取得聯系。

整合營銷服務商

使用 Next.js 和 Tailwind CSS

您的項目需求