Spaces:
No application file
No application file
File size: 1,856 Bytes
0a9d067 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 |
from tensorflow.keras.models import load_model
from tensorflow.keras.preprocessing.text import Tokenizer
from tensorflow.keras.preprocessing.sequence import pad_sequences
import numpy as np
import pickle # Si deseas guardar/cargar el tokenizer
import re
import os
# Carga el modelo entrenado
model_path = os.path.join(os.path.dirname(__file__),'model_2_texto.h5') # Cambia el número de versión si es necesario
model = load_model(model_path)
# Etiquetas de emociones (asegúrate de que coincidan con las usadas en el entrenamiento)
EMOTION_LABELS = {
0: 'sadness',
1: 'joy',
2: 'love',
3: 'anger',
4: 'fear',
5: 'surprise',
}
# Carga el tokenizer (suponiendo que lo guardaste en un archivo)
tokenizer_path = os.path.join(os.path.dirname(__file__),'tokenizer.pickle') # Cambia el nombre si usaste otro
with open(tokenizer_path, 'rb') as handle:
tokenizer = pickle.load(handle)
# Configuración del padding
MAX_LEN = 100 # Debe coincidir con el valor usado en el entrenamiento
# Función para limpiar el texto
def clean_text(text):
if isinstance(text, str):
text = re.sub(r'http\S+|www\S+|https\S+', '', text)
text = re.sub(r'@\w+|#\w+', '', text)
text = re.sub(r'[^a-zA-Z0-9\s!?.,]', '', text)
text = text.lower().strip()
return text
return ""
# Función para predecir la emoción principal
def predict_text(text):
sequence = tokenizer.texts_to_sequences(text)
padded = pad_sequences(sequence, maxlen=MAX_LEN)
prediction = model.predict(padded)[0]
max_index = np.argmax(prediction)
main_emotion = EMOTION_LABELS[max_index]
return str(main_emotion)
# Ejemplo de predicción7
sample_text = 'I hate my stupid dog'
emotion = predict_text(sample_text)
print(f"La emoción principal es: {emotion}") |