import argparse
import torch



parser = argparse.ArgumentParser()

parser.add_argument('--original_data_path', type=str, default='模型数据/菜单推荐')
parser.add_argument('--preprocessed_data_path', type=str, default='vectorstores/caidantuijian')
parser.add_argument('--original_data_path_g', type=str, default='模型数据/菜单规划')
parser.add_argument('--preprocessed_data_path_g', type=str, default='vectorstores/caidanguihua')
parser.add_argument('--embeddings_model_name', type=str, default='moka-ai/m3e-large')
parser.add_argument("--topk", type=int, default=5) #模型回答topk
parser.add_argument("--topk_1", type=int, default=5) #知识库的返回的tok
parser.add_argument("--lenhistory", type=int, default=5) #上下文历史长度
#parser.add_argument("--fenci", type=int, default=150) #文档切分最大长度
parser.add_argument('--pretrained_model_name',type=str,default='THUDM/chatglm2-6b-int4')
parser.add_argument("--temperature", type=float, default=0.1) #模型输出温度
parser.add_argument('--path_caidan', type=str, default='模型数据/商户菜单/小饭店菜单.pdf')
parser.add_argument('--path_zidingyi', type=str, default='模型数据/菜品清单.txt')

parser.add_argument("--num_select", type=int, default=2)
parser.add_argument("--chunk_size", type=int, default=100) #数据切分的长度
parser.add_argument("--chunk_overlap", type=int, default=10) #数据切分允许的重叠长度
parser.add_argument("--top_num", type=int, default=3) #图片识别topk
parser.add_argument("--filter_threshold", type=float, default=0.7) #图片识别阈值
parser.add_argument("--baike_num", type=int, default=3) #图片识别展示的百科数


args = parser.parse_args()

args.device = "cuda" if torch.cuda.is_available() else "cpu"
args.xihao = '豆芽，牛肉，川菜，豆腐，蔬菜'


'''api申请方法见：https://blog.csdn.net/2303_79001442/article/details/132093208 '''
##菜品识别API
args.APP_ID_c = '36759749'
args.API_KEY_c= 'G2eUrTDLXsVYNeSLVPSQQsDR'
args.SECRET_KEY_c = 'T7TBOPP8EOprcWhKzOGIu0Tdtdwjrgar'

##果蔬识别API
args.APP_ID_g = '36759878'
args.API_KEY_g = 'bwdn6X3RouhTxGm3njcwpFdA'
args.SECRET_KEY_g = 'BRgG1YtEcEkASrXGL4bw3TvwZkDhTwDq'

#windows系统NLP模型下载地址  C:\Users\Administrator\.cache\huggingface
#windows系统Embedding模型下载地址 C:\Users\Administrator\.cache\torch\sentence_transformers