model_use.py

from transformers import AutoModelForSequenceClassification, AutoTokenizer
import torch

# Model ve tokenizer yolları
model_path = "./"  # Eğitilmiş modelin bulunduğu klasör


model = AutoModelForSequenceClassification.from_pretrained(model_path)
tokenizer = AutoTokenizer.from_pretrained(model_path)
print("Model ve tokenizer başarıyla yüklendi!")


device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model.to(device)
print(f"Model {device} üzerinde çalışıyor.")

def predict(text):
    # Metni tokenize et
    inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True, max_length=512).to(device)

    # Modeli kullanarak tahmin yap
    outputs = model(**inputs)
    logits = outputs.logits

    # Logits'i sınıfa dönüştürme
    predicted_class = logits.argmax().item()

    # Türkçe sınıf etiketleri
    label_mapping = {
        0: "HAKARET YOK",
        1: "HAKARET",
        2: "IRKÇILIK",
        3: "CİNSİYETÇİLİK",
        4: "DİĞER"
    }

    # Tahmin edilen sınıf
    return label_mapping[predicted_class]

# Örnek tahminler
texts = [
    "Sen harikasın!",
    "Mutfak robotu seni",
    "Bunu nasıl söyleyebildin?",
    "AmınaKoyim ",
    "pis arap"
]

print("\nTahminler:")
for text in texts:
    prediction = predict(text)
    print(f"Metin: {text}")
    print(f"Tahmin edilen sınıf: {prediction}")
    print("-" * 50)