Ajout d'entaite dans les scripts utilisé

models/FineTuning/fine_tuning_wrapper.py

+# -----------------------------
+# Le script ne fait rien. Il met a disposition deux fonction une qui créer un classifier à 
+# partir du model fine-tuner (./model). Le deuxième classifie une sequence sur des label en utilisant le classifier
+# créer dans la première fonction
+#
+# Ce script ne prend pas de paramètres.
+#
+# Auteur : Pavlovich Ivan
+# -----------------------------
+
 from transformers import pipeline
 import os
 import sys

models/FineTuning/finetunning-multi-label.py

-# https://medium.com/@lidores98/finetuning-huggingface-facebook-bart-model-2c758472e340
+# -----------------------------
+# Le script affine le modèle BART-Large-MNLI de Facebook AI sur les articles stoquer localement (dataSources/PubMed/save/save_3_years.json)
+#
+# Ce script ne prend pas de paramètres.
+#
+# Basée sur : https://medium.com/@lidores98/finetuning-huggingface-facebook-bart-model-2c758472e340
+#
+# Auteur : Pavlovich Ivan
+# -----------------------------
 
 import pandas as pd
 import torch
@@ -18,7 +26,7 @@ from parsers.jsonParser import parseJsonFile
 from variables.pubmed import NCDS, NCDS_MESH_TERM
 
 DATASET_DIR = os.path.abspath(os.path.join(os.path.dirname(__file__), "../../testModel/dataset"))
-TMP_DATA_DIR = os.path.abspath(os.path.join(os.path.dirname(__file__), "../../dataSources/PubMed/tmp"))
+TMP_DATA_DIR = os.path.abspath(os.path.join(os.path.dirname(__file__), "../../dataSources/PubMed/save"))
 SAVE_DIR = os.path.abspath(os.path.join(os.path.dirname(__file__), "./save"))
 MODEL_DIR = os.path.abspath(os.path.join(os.path.dirname(__file__), "./model"))
 LOGS_DIR = os.path.abspath(os.path.join(os.path.dirname(__file__), "./logs"))

models/FineTuning/job_launch.sbatch

@@ -13,4 +13,4 @@ module load CUDA/12.3.0 GCC/12.2.0 Python/3.10.8 Qt5/5.15.7
 
 source ../../.venv/bin/activate
 
-python3 facebook-bart-large-mnli.py
\ No newline at end of file
+python3 finetunning-multi-label.py
\ No newline at end of file

models/HuggingFace/zero_shot_classification.py

+# -----------------------------
+# Le script ne fait rien. Il met a disposition deux fonction une qui créer une pipline zero-shot classification à 
+# partir d un model hugging face. Le deuxième classifie une sequence sur des label en utilisant le classifier
+# créer dans la première fonction
+#
+# Ce script ne prend pas de paramètres.
+#
+# Auteur : Pavlovich Ivan
+# -----------------------------
+
 from transformers import pipeline
 import torch
 import time
 
-LABELS = [
-    "Diabetes",
-    "Cancer",
-    "Chronic respiratory disease",
-    "Cardiovascular diseases",
-    "Mental Health",
-    "Diabetes type 1",
-    "Diabetes type 2"
-]
-
-# LABELS = [
-#     "Neoplasms",
-#     "Diabetes Mellitus",
-#     "Male",
-#     "Blood Cells",
-#     "Arthritis, Infectious"
-# ]
-
-MODELS = [
-    "facebook/bart-large-mnli", # https://huggingface.co/facebook/bart-large-mnli
-    "MoritzLaurer/bge-m3-zeroshot-v2.0", # https://huggingface.co/MoritzLaurer/bge-m3-zeroshot-v2.0
-    "MoritzLaurer/DeBERTa-v3-base-mnli-fever-anli",
-    "MoritzLaurer/deberta-v3-base-zeroshot-v1.1-all-33",
-    "MoritzLaurer/multilingual-MiniLMv2-L6-mnli-xnli",
-    "microsoft/BiomedNLP-BiomedBERT-base-uncased-abstract" # https://huggingface.co/microsoft/BiomedNLP-BiomedBERT-base-uncased-abstract
-]
-
-def create_classifier(model = MODELS[0]):
+def create_classifier(model):
     print(f" CUDA available: {torch.cuda.is_available()}")
     print(f"CUDA version: {torch.version.cuda}")
     print(f"GPUs number: {torch.cuda.device_count()}")

models/LLM/Cohere/cohere_wrapper.py

+# -----------------------------
+# Le script ne fait rien. Il met a disposition deux fonction une qui créer un client cohere à 
+# partir d une clé. Le deuxième classifie une sequence sur des label en utilisant le client
+# créer dans la première fonction
+#
+# Ce script ne prend pas de paramètres.
+#
+# Auteur : Pavlovich Ivan
+# -----------------------------
+
 import cohere
 import json
 import time

models/LLM/Gemini/gemini.py

+# -----------------------------
+# Le script ne fait rien. Il met a disposition deux fonction une qui créer un chat gemini. 
+# La deuxième classifie une sequence sur des label en utilisant le chat créer dans la première fonction
+#
+# Ce script ne prend pas de paramètres.
+#
+# Auteur : Pavlovich Ivan
+# -----------------------------
+
+
 import os
 import google.generativeai as genai
 import json

models/LLM/Ollama/ollama_wrapper.py

+# -----------------------------
+# Le script ne fait rien. Il met a disposition une fonction qui classifie une sequence sur des label en utilisant un model ollama
+#
+# Ce script ne prend pas de paramètres.
+#
+# Auteur : Pavlovich Ivan
+# -----------------------------
+
+
 from ollama import chat
 from ollama import ChatResponse
 import json
 import time
 
-NCDS = [
-    "Non-Communicable Diseases",
-    "Diabetes",
-    "Cancer",
-    "Chronic respiratory disease",
-    "Cardiovascular diseases",
-    "Mental Health",
-    "Diabetes type 1",
-    "Diabetes type 2"
-]
-
 def classify(model, sequence, labels):
 
     prompt = 'I need you to give me the labels that could be given to the text (keep in mind that u can put multiple labels and select only the labels that i give you):\n'