Initial commit with LFS

.gitattributes

@@ -0,0 +1 @@
+*.bin filter=lfs diff=lfs merge=lfs -text

Dockerfile

@@ -0,0 +1,26 @@
+FROM python:3.12-slim
+
+# Root kullanıcısı olarak sistem bağımlılıklarını kur
+RUN apt-get update && apt-get install -y --no-install-recommends \
+    build-essential \
+    && rm -rf /var/lib/apt/lists/*
+
+# Hugging Face Spaces için gerekli olan yetkisiz (non-root) kullanıcıyı oluştur
+RUN useradd -m -u 1000 user
+USER user
+ENV PATH="/home/user/.local/bin:$PATH"
+
+WORKDIR /app
+
+# Dosyaları kullanıcı yetkisiyle kopyala ve Python paketlerini kur
+COPY --chown=user ./requirements.txt requirements.txt
+RUN pip install --no-cache-dir -r requirements.txt --extra-index-url https://download.pytorch.org/whl/cpu
+
+# Geri kalan uygulama dosyalarını kopyala
+COPY --chown=user . /app
+
+# Hugging Face zorunlu portu
+EXPOSE 7860
+
+# FastAPI'yi başlat
+CMD ["uvicorn", "server:app", "--host", "0.0.0.0", "--port", "7860"]

requirements.txt

@@ -0,0 +1,5 @@
+fastapi==0.115.12
+uvicorn[standard]==0.34.3
+torch==2.7.0
+transformers==4.52.3
+pydantic==2.11.3

sentence_best_model 2.bin

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:38a82177f44021ee1426f470147f0aa7a5a7ff211277748ba316f252e61ad166
+size 442655265

server.py

@@ -0,0 +1,77 @@
+from fastapi import FastAPI
+from fastapi.middleware.cors import CORSMiddleware
+from pydantic import BaseModel
+import torch
+from transformers import AutoTokenizer, AutoModelForSequenceClassification, AutoConfig
+
+app = FastAPI()
+
+app.add_middleware(
+    CORSMiddleware,
+    allow_origins=["*"],
+    allow_credentials=False,
+    allow_methods=["*"],
+    allow_headers=["*"],
+)
+
+class AnalyzeRequest(BaseModel):
+    text: str
+
+# ---------------------------------------------------------
+# BERTurk Duygu Analizi / Sınıflandırma Modeli
+# ---------------------------------------------------------
+MODEL_PATH = "sentence_best_model 2.bin"
+BASE_MODEL_NAME = "dbmdz/bert-base-turkish-cased"
+
+print("Model yükleniyor, lütfen bekleyin...")
+try:
+    tokenizer = AutoTokenizer.from_pretrained(BASE_MODEL_NAME)
+    
+    # Modelinizi eğitirken kelime dağarcığına (vocab) 30 adet yeni token eklemişsiniz.
+    # Orijinal BERTurk'ün vocab boyutu 32000 iken, sizin modelinizinki 32030 olmuş.
+    # Bu yüzden konfigürasyonda bunu belirtmemiz gerekiyor, yoksa çöker ve Nötr döner!
+    config = AutoConfig.from_pretrained(BASE_MODEL_NAME, num_labels=3, vocab_size=32030)
+    
+    # Konfigürasyonla iskeleti oluşturuyoruz
+    model = AutoModelForSequenceClassification.from_config(config)
+    
+    # Kendi eğittiğiniz ağırlıkları (.bin) içine yüklüyoruz
+    model.load_state_dict(torch.load(MODEL_PATH, map_location=torch.device('cpu'), weights_only=False))
+    
+    model.eval()
+    print("Model başarıyla yüklendi!")
+except Exception as e:
+    print(f"Model yüklenirken hata oluştu: {e}")
+    model = None
+    tokenizer = None
+
+
+@app.post("/predict")
+async def predict_sentiment(request: AnalyzeRequest):
+    """
+    Frontend'den gelen günlüğü okur ve duygu durumunu sınıflandırır.
+    """
+    if not model or not tokenizer:
+        return {"sentiment": "Neutral"}
+
+    inputs = tokenizer(request.text, return_tensors="pt", truncation=True, padding=True)
+    with torch.no_grad():
+        outputs = model(**inputs)
+        predictions = torch.nn.functional.softmax(outputs.logits, dim=-1)
+        predicted_class = torch.argmax(predictions, dim=-1).item()
+        
+    # Sınıf numaralarını metne çevirme (Örnek: 0: Negative, 1: Neutral, 2: Positive)
+    # NOT: Kendi modelinizin label mapping'ine göre burayı değiştirebilirsiniz!
+    sentiment_map = {0: "Negative", 1: "Neutral", 2: "Positive"}
+    detected_sentiment = sentiment_map.get(predicted_class, "Neutral")
+    
+    return {"sentiment": detected_sentiment}
+
+@app.get("/health")
+async def health_check():
+    """
+    Konteynerin ve modelin durumunu kontrol etmek için health endpoint.
+    """
+    if model and tokenizer:
+        return {"status": "healthy", "model_loaded": True}
+    return {"status": "degraded", "model_loaded": False, "message": "Model not loaded. Using fallback responses."}