Upload main.py

main.py

@@ -0,0 +1,134 @@
+import gradio as gr
+import tensorflow as tf
+import numpy as np
+from keras.models import load_model
+from tensorflow.keras.preprocessing.text import Tokenizer
+import pickle
+from tensorflow.keras.preprocessing.sequence import pad_sequences
+import os
+
+print(tf.__version__)
+#Load tokenizer
+fp = "resources/tokenizer.pkl"
+with open(fp,mode="rb") as f:
+    tokenizer = pickle.load(f)
+
+#Load LSTM
+fp = 'resources/lstm_model.h5'
+LSTM_model = tf.keras.models.load_model(fp, compile=True)
+
+#Load GRU
+fp = 'resources/gru_model.h5'
+GRU_model = load_model(fp)
+
+
+def tokenizer_pad(tokenizer,comment_text,max_length=200):
+   
+    # converting text into integer sequences
+    comment_text = [comment_text]
+    tokenized_text = tokenizer.texts_to_sequences(comment_text)
+
+    # padding based on max length
+    padded_sequences = pad_sequences(sequences=tokenized_text,maxlen=max_length,padding="post",truncating="post")
+
+    return padded_sequences
+
+def LSTM_predict(x):
+    x = tokenizer_pad(tokenizer=tokenizer,comment_text=x)
+
+
+    #print(x)
+
+    # processing before mapping
+
+    # predicting using best model
+    pred_proba = LSTM_model.predict(x)[0]
+
+    # making predictions readable
+    pred_proba = [round(i,2) for i in pred_proba]
+
+    print(pred_proba)
+
+    return pred_proba
+
+def GRU_predict(x):
+    x = tokenizer_pad(tokenizer=tokenizer,comment_text=x)
+
+
+    print(x)
+    # processing before mapping
+
+    # predicting using best model
+    pred_proba = GRU_model.predict(x)[0]
+
+    # making predictions readable
+    pred_proba = [round(i,2) for i in pred_proba]
+
+    print(pred_proba)
+
+    return pred_proba
+
+def judge(x):
+
+  label = ['độc hại', 'cực kì độc hại', 'tục tĩu', 'đe dọa', 'xúc phạm', 'thù ghét cá nhân']
+  result = []
+  judge_result = []
+
+  lstm_pred = LSTM_predict(x)
+  gru_pred = GRU_predict(x)
+
+
+  return_result = 'Result'
+  result_lstm = np.round(lstm_pred, 2)
+  result_gru = np.round(gru_pred, 2)
+  sensitive_result = max(max(result_lstm),max(result_gru))
+  print(sensitive_result)
+  return_result += '\nMô hình LSTM\n'
+  return_result += f"{result_lstm}\n"
+  for i in range(6):
+    if result_lstm[i]>=0 and result_lstm[i]<0.1:
+      return_result += "Tính {} là không có\n".format(label[i])
+    if result_lstm[i]>=0.1 and result_lstm[i]<0.5:
+      return_result += "Tính {} ở mức nhận thấy được, từ ngữ có thể chưa phù hợp\n".format(label[i])
+    if result_lstm[i]>=0.5 and result_lstm[i]<0.8:
+      return_result += "Tính {} ở mức rõ ràng, cần xem xét\n".format(label[i])
+    if result_lstm[i]>=0.8:
+      return_result += "Tính {} ở mức nghiêm trọng, yêu cầu chấn chỉnh\n".format(label[i])
+
+
+  return_result += '\nMô hình GRU\n'
+  return_result += f"{result_gru}\n"
+  for i in range(6):
+    if result_gru[i]>=0 and result_gru[i]<0.1:
+      return_result += "Tính {} là không có\n".format(label[i])
+    if result_gru[i]>=0.1 and result_gru[i]<0.5:
+      return_result += "Tính {} ở mức nhận thấy được, từ ngữ có thể chưa phù hợp\n".format(label[i])
+    if result_gru[i]>=0.5 and result_gru[i]<0.8:
+      return_result += "Tính {} ở mức rõ ràng, cần xem xét\n".format(label[i])
+    if result_gru[i]>=0.8:
+      return_result += "Tính {} ở mức nghiêm trọng, yêu cầu chấn chỉnh\n".format(label[i])
+
+  return_result += "\nTổng quan:\n"
+  if sensitive_result>=0 and sensitive_result<0.1:
+    return_result += "Ngôn ngữ phù hợp mọi lứa tuổi.\n"
+  if sensitive_result>=0.1 and sensitive_result<0.5:
+    return_result += "Ngôn ngữ có thể còn chứa từ ngữ chưa phù hợp.\n"
+  if sensitive_result>=0.5 and sensitive_result<0.8:
+    return_result += "Ngôn ngữ không phù hợp, cần xem xét lại.\n"
+  if sensitive_result>=0.8:
+    return_result += "Ngôn ngữ vi phạm tiêu chuẩn cộng đồng nghiêm trọng, yêu cầu chấn chỉnh.\n"
+
+  return return_result
+
+
+if __name__ == "__main__":
+  #  print("Loading")
+  #  while(True):
+  #   string = input("\nMời nhập văn bản: ")
+  #   os.system('cls')
+  #   print(f"Văn bản đã nhập: {string}")
+  #   judge(string)
+  interface = gr.Interface(fn=judge,
+                         inputs=gr.Textbox(lines=2, placeholder='Please write something', label="Input Text"),
+                        outputs='text')
+  interface.launch()