ISilgiz/finecode-cpp

1import streamlit as st2from transformers import RobertaForSequenceClassification, RobertaTokenizer3import torch4import re5import streamlit as st6from PIL import Image7 8# Функция для загрузки модели9@st.cache_resource10def load_model():11    model_name = "models_cpp"  # Замените на путь к вашей модели12    model = RobertaForSequenceClassification.from_pretrained(model_name)13    tokenizer = RobertaTokenizer.from_pretrained(model_name)14    return model, tokenizer15 16# Функция для удаления комментариев из кода17def remove_comments(content):18    content = re.sub(r'//.*', '', content)19    content = re.sub(r'/\*.*?\*/', '', content, flags=re.DOTALL)20    return content21 22# Функция для форматирования кода23def format_code(code):24    content = remove_comments(code)25    lines = content.splitlines()26    joined_instructions = []27    current_instruction = []28    open_braces = 029    open_parentheses = 030 31    for line in lines:32        stripped_line = line.strip()33        if not stripped_line:34            continue35 36        open_braces += stripped_line.count('{')37        open_braces -= stripped_line.count('}')38        open_parentheses += stripped_line.count('(')39        open_parentheses -= stripped_line.count(')')40 41        current_instruction.append(stripped_line)42 43        if open_braces == 0 and open_parentheses == 0 and (stripped_line.endswith(';') or stripped_line.endswith('}') or stripped_line.endswith('{')):44            instruction = ' '.join(current_instruction).strip()45            joined_instructions.append(re.sub(r'\s+', ' ', instruction))46            current_instruction = []47 48    if current_instruction:49        instruction = ' '.join(current_instruction).strip()50        joined_instructions.append(re.sub(r'\s+', ' ', instruction))51 52    return '\n'.join(joined_instructions)53 54# Функция для классификации кода55def classify_code(model, tokenizer, code):56    formatted_code = format_code(code)57    inputs = tokenizer(formatted_code, return_tensors="pt")58    outputs = model(**inputs)59    prediction = torch.argmax(outputs.logits, dim=1).item()60    result = "Правильный" if prediction == 1 else "Неправильный"61    return result62 63# Интерфейс Streamlit64st.title("Классификатор кода")65st.markdown("Введите свой код в текстовое поле ниже и нажмите кнопку для классификации.")66 67# Ввод кода через текстовое поле68code_input = st.text_area("Введите ваш код здесь", height=300)69 70# Кнопка для классификации71if st.button("Классифицировать код"):72    model, tokenizer = load_model()  # Загрузка модели73    result = classify_code(model, tokenizer, code_input)74    st.write(f"Классификация: **{result}**")75 76st.markdown("---")  # Добавляет еще одну горизонтальную линию77 78# Заголовок и описание модели79st.title("Оценка модели для классификации кода")80st.markdown("""81Это приложение демонстрирует основные метрики качества обученной модели для классификации корректности кода.82Здесь представлены метрики, такие как Accuracy, Precision, Recall, F1-Score, ROC-кривая и матрица ошибок.83""")84 85st.header("Метрики модели")86metrics = {87    "Ошибка на обучающей выборке (Train Loss)": 0.2648,88    "Ошибка на тестовой выборке (Eval Loss)": 0.1514,89    "Точность (Accuracy)": 0.9545,90    "Полнота (Recall)": 0.9390,91    "Точность предсказаний (Precision)": 0.9694,92    "F1-мера (F1 Score)": 0.9539,93    "Логарифмическая потеря (Log Loss)": 1.3854,94    "Коэффициент корреляции Мэтьюса (MCC)": 0.9095,95    "Среднеквадратичная ошибка (MSE)": 7.9419,96    "Корень из среднеквадратичной ошибки (RMSE)": 2.8181,97    "Каппа Коэна (Cohen's Kappa)": 0.9090,98    "Точность в топ-5 (Top-5 Accuracy)": 1.0000,99    "Площадь под PR-кривой (PR AUC)": 0.9917,100    "Сбалансированная точность (Balanced Accuracy)": 0.9546,101    "Индекс Жаккара (Jaccard Index)": 0.9119102}103 104# Отображение метрик105for metric_name, value in metrics.items():106    st.write(f"**{metric_name}:** {value:.4f}")107 108# Вставка изображения ROC-кривой109st.header("ROC-кривая")110roc_image = Image.open("img_2.png")  # Замените на ваш путь к файлу изображения111st.image(roc_image, caption='ROC-кривая', use_column_width=True)112 113# Вставка изображения матрицы ошибок114st.header("Матрица ошибок")115confusion_image = Image.open("img_1.png")  # Замените на ваш путь к файлу изображения116st.image(confusion_image, caption='Матрица ошибок', use_column_width=True)117 118 119# Personal information at the bottom of the interface120st.markdown("---")  # Adds a horizontal line for separation121st.markdown("**Full Name:** ilgiz Sulaymanov")122st.markdown("**Place of Study:** Zhusup Balasagyn Kyrgyz National University")123st.markdown("**Email:** sulaymanovilgiz00@gmail.com")