Buckets:
| #!/usr/bin/env python3 | |
| """ | |
| فایل اجرایی ساده برای تست سریع Systematic Generalization | |
| Simple execution file for quick testing of Systematic Generalization | |
| """ | |
| import os | |
| import sys | |
| from pathlib import Path | |
| # اضافه کردن مسیر پروژه | |
| PROJECT_ROOT = Path(__file__).parent | |
| sys.path.append(str(PROJECT_ROOT)) | |
| def quick_test(): | |
| """تست سریع سیستم""" | |
| print("🚀 شروع تست سریع Systematic Generalization") | |
| print("=" * 60) | |
| # بررسی API Key | |
| api_key = os.getenv("GEMINI_API_KEY") | |
| if not api_key: | |
| print("❌ خطا: متغیر محیطی GEMINI_API_KEY تنظیم نشده است") | |
| print("لطفاً API Key خود را تنظیم کنید:") | |
| print("export GEMINI_API_KEY='your-gemini-api-key-here'") | |
| return False | |
| print(f"✅ API Key موجود: {api_key[:10]}...") | |
| try: | |
| # تست import ماژولها | |
| print("\n📦 تست import ماژولها...") | |
| from gemini_config import GeminiConfig, GeminiSystematicGeneralization | |
| print(" ✅ gemini_config") | |
| from advanced_rag_system import AdvancedRAGSystem, RAGConfig | |
| print(" ✅ advanced_rag_system") | |
| from systematic_generalization_gemini import SystematicGeneralizationEvaluator | |
| print(" ✅ systematic_generalization_gemini") | |
| from neural_symbolic_integration import ( | |
| NeuralSymbolicConfig, | |
| SystematicGeneralizationNeuralSymbolic, | |
| ) | |
| print(" ✅ neural_symbolic_integration") | |
| print("✅ تمام ماژولها با موفقیت import شدند") | |
| # تست پیکربندی | |
| print("\n⚙️ تست پیکربندی...") | |
| gemini_config = GeminiConfig( | |
| api_key=api_key, model_name="gemini-1.5-pro", temperature=0.7 | |
| ) | |
| gemini_system = GeminiSystematicGeneralization(gemini_config) | |
| print(" ✅ پیکربندی Gemini") | |
| # تست ساده | |
| print("\n🧪 تست ساده...") | |
| response = gemini_system.generate_systematic_response( | |
| "چگونه میتوانم مفهوم ترکیبپذیری را در هوش مصنوعی پیادهسازی کنم؟" | |
| ) | |
| if response["success"]: | |
| print(" ✅ تست Gemini API موفق بود") | |
| print(f" 📝 پاسخ: {response['response'][:100]}...") | |
| else: | |
| print(" ❌ تست Gemini API ناموفق بود") | |
| return False | |
| # تست RAG | |
| print("\n📚 تست سیستم RAG...") | |
| rag_config = RAGConfig( | |
| embedding_model="sentence-transformers/all-MiniLM-L6-v2", | |
| chunk_size=1000, | |
| vector_store_type="faiss", | |
| ) | |
| rag_system = AdvancedRAGSystem(rag_config, gemini_config) | |
| print(" ✅ سیستم RAG ایجاد شد") | |
| # تست Neural-Symbolic | |
| print("\n🧠 تست Neural-Symbolic...") | |
| neural_symbolic_config = NeuralSymbolicConfig( | |
| embedding_dim=128, hidden_dim=256, integration_mode="hybrid" | |
| ) | |
| neural_symbolic_system = SystematicGeneralizationNeuralSymbolic( | |
| neural_symbolic_config, gemini_config | |
| ) | |
| print(" ✅ سیستم Neural-Symbolic ایجاد شد") | |
| # تست ارزیاب | |
| print("\n📊 تست ارزیاب...") | |
| evaluator = SystematicGeneralizationEvaluator(gemini_config) | |
| print(" ✅ ارزیاب ایجاد شد") | |
| print("\n" + "=" * 60) | |
| print("🎉 تمام تستها با موفقیت انجام شد!") | |
| print("✅ سیستم آماده اجرای آزمایشهای کامل است") | |
| print("\nبرای اجرای آزمایش کامل:") | |
| print("python main_experimental.py --mode full") | |
| print("\nبرای اجرای نوتبوک:") | |
| print("jupyter notebook CA6_Experimental_Notebook.ipynb") | |
| return True | |
| except ImportError as e: | |
| print(f"❌ خطا در import: {e}") | |
| print("لطفاً کتابخانههای مورد نیاز را نصب کنید:") | |
| print("pip install -r requirements_gemini.txt") | |
| return False | |
| except Exception as e: | |
| print(f"❌ خطای غیرمنتظره: {e}") | |
| return False | |
| def show_help(): | |
| """نمایش راهنما""" | |
| print( | |
| """ | |
| 🔧 راهنمای استفاده از پروژه Systematic Generalization | |
| 📋 دستورات موجود: | |
| python quick_test.py # تست سریع سیستم | |
| python quick_test.py --help # نمایش این راهنما | |
| 🚀 دستورات اصلی: | |
| python main_experimental.py --mode basic # تستهای پایه | |
| python main_experimental.py --mode comprehensive # ارزیابی جامع | |
| python main_experimental.py --mode full # آزمایش کامل | |
| 📓 نوتبوک: | |
| jupyter notebook CA6_Experimental_Notebook.ipynb | |
| ⚙️ تنظیمات: | |
| export GEMINI_API_KEY="your-gemini-api-key-here" | |
| 📦 نصب: | |
| pip install -r requirements_gemini.txt | |
| 📚 مستندات: | |
| README_Experimental.md | |
| 🐛 عیبیابی: | |
| - مطمئن شوید API Key تنظیم شده است | |
| - تمام کتابخانهها نصب شده باشند | |
| - Python 3.8+ استفاده کنید | |
| """ | |
| ) | |
| if __name__ == "__main__": | |
| if len(sys.argv) > 1 and sys.argv[1] in ["--help", "-h", "help"]: | |
| show_help() | |
| else: | |
| success = quick_test() | |
| sys.exit(0 if success else 1) | |
Xet Storage Details
- Size:
- 5.58 kB
- Xet hash:
- 494b98af561a479fc00c59a2b5d22c7ea0f93f4f0beada2517414dad08d3b5e1
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.