Update app.py

app.py

@@ -1,32 +1,36 @@
 import gradio as gr
-from transformers import pipeline
+from transformers import (
+    AutoModelForSequenceClassification,
+    AutoTokenizer,
+    TextClassificationPipeline
+)
 
-# Carga el pipeline de clasificación desde Hugging Face Hub
-def get_classifier():
-    return pipeline(
-        task="text-classification", 
-        model="alramil/Practica7",  # tu modelo alojado
-        device=0  # usa GPU si está disponible en el Space
-    )
+# 1) Carga manual del modelo y el tokenizador
+model = AutoModelForSequenceClassification.from_pretrained("alramil/Practica7")
+tokenizer = AutoTokenizer.from_pretrained("alramil/Practica7")
 
-classifier = get_classifier()
+# 2) Construye la pipeline
+classifier = TextClassificationPipeline(
+    model=model,
+    tokenizer=tokenizer,
+    device=0  # GPU si está disponible
+)
 
 def clasificar(texto):
     result = classifier(texto)[0]
     etiqueta = result['label']
     puntuacion = result['score']
-    # Ajusta el formato según tus etiquetas (por ejemplo, 'LABEL_0' vs. 'Peligroso')
     etiqueta_legible = 'Peligroso' if etiqueta in ['LABEL_0', '0'] else 'Seguro'
     return f"{etiqueta_legible} ({puntuacion:.2%} de confianza)"
 
-# Interfaz Gradio
+# 3) Interfaz Gradio
 demo = gr.Interface(
     fn=clasificar,
     inputs=gr.Textbox(lines=3, placeholder="Escribe aquí tu texto"),
     outputs="text",
     title="Clasificador de Texto Peligroso",
-    description="Detecta si un mensaje es seguro o peligroso usando tu modelo Practica7 alojado en Hugging Face Hub."
+    description="Detecta si un mensaje es seguro o peligroso usando tu modelo Practica7 alojado en HF Hub."
 )
 
 if __name__ == "__main__":
-    demo.launch()  
+    demo.launch()