Update app.py

app.py

@@ -3,6 +3,7 @@ import tensorflow as tf
 import numpy as np
 import joblib
 from tensorflow.keras.preprocessing.sequence import pad_sequences
+from transformers import pipeline
 # Fonction de prédiction pour le lstm
 def analyser_sentiment_lstm(tweet):
     sequence = tokenizer.texts_to_sequences([tweet])
@@ -12,6 +13,14 @@ def analyser_sentiment_lstm(tweet):
     sentiment = "Positif" if prediction[0] >= 0.5 else "Négatif"
     return {sentiment: float(prediction[0]) if sentiment == "Positif" else 1 - float(prediction[0])}
 
+def analyser_sentiment_camembert(tweet):
+    # charger le modèle
+    sentiment_pipeline = pipeline("sentiment-analysis", model="cmarkea/distilcamembert-base-sentiment")
+
+    # appliquer le modèle
+    result = sentiment_pipeline(tweet)[0]['label']
+    return result
+
     
 # Charger le modèle LSTM
 model = tf.keras.models.load_model("lstm_model.h5")
@@ -19,17 +28,30 @@ model = tf.keras.models.load_model("lstm_model.h5")
 # Charger le tokenizer utilisé pendant l'entraînement
 tokenizer = joblib.load('tokenizer.joblib')
 
+# définir les blocks
+demo = gr.Blocks(theme='shivi/calm_seafoam')
+
 # Interface Gradio
 interface1 = gr.Interface(
     fn=analyser_sentiment_lstm,
     inputs=gr.Textbox(lines=3, placeholder="Entrez un tweet en français ici..."),
     outputs=gr.Label(num_top_classes=2),
     title="Analyse de Sentiment de Tweets",
-    description="Entrez un tweet en français pour obtenir son sentiment (positif, négatif).",
-    theme='shivi/calm_seafoam'
+    description="Entrez un tweet en français pour obtenir son sentiment (positif, négatif)."
+)
+
+interface2 = gr.Interface(
+    fn = analyser_sentiment_camembert,
+    inputs=gr.Textbox(lines=3, placeholder="Entrez un tweet en français ici..."),
+    outputs=gr.Textbox(label='Output'),
+    title="Analyse de Sentiment de Tweets",
+    description="Entrez un tweet en français pour obtenir son sentiment."
 )
 
 
+# faire un tabbing des interfaces
+with demo:
+  gr.TabbedInterface([interface1, interface2], ['LSTM_SAM', 'CAMEMBERT_SAM'])
 
 # lancer l'interface
-interface1.launch()
+demo.launch()