Update app.py

app.py

@@ -1,17 +1,27 @@
 import streamlit as st
+import torch
+from transformers import DistilBertForSequenceClassification, DistilBertTokenizerFast
+from utils import get_text, get_label
+
+count_labels = 8
 
 st.markdown("## Классификатор статей")
 st.markdown("Сервис классифицирует статьи по названию и аннотации. Нужно ввести в каждое окошко свою сущность и вам выдадут к какому классу относится статья")
-# ^-- можно показывать пользователю текст, картинки, ограниченное подмножество html - всё как в jupyter
+
 
 title = st.text_area("Введите название статьи")
-# ^-- показать текстовое поле. В поле text лежит строка, которая находится там в данный момент
+
 abstract = st.text_area("Введите аннотацию к статье, abstract статьи")
 
-from transformers import pipeline
-pipe = pipeline("ner", "Davlan/distilbert-base-multilingual-cased-ner-hrl")
-raw_predictions = pipe(title + ' ' + abstract)
-# тут уже знакомый вам код с huggingface.transformers -- его можно заменить на что угодно от fairseq до catboost
+tokenizer = DistilBertTokenizerFast.from_pretrained('distilbert-base-cased')
+model = DistilBertForSequenceClassification.from_pretrained("distilbert-base-cased", num_labels=count_labels)
+model.load_state_dict(torch.load('weight_model'))
+
+text = get_text(title, abstract)
+if text:
+  raw_predictions = get_label(text)
+  st.markdown(f"{raw_predictions}")
+else:
+  st.markdown("Ваш запрос пуст. Введите хотя бы название")
+
 
-st.markdown(f"{raw_predictions}")
-# выводим результаты модели в текстовое поле, на потеху пользователю