Update app.py

app.py

@@ -10,7 +10,22 @@ from tqdm import tqdm
 import os
 from tensorflow.python.client import device_lib
 
-model = TFBertModel.from_pretrained('bert-base-multilingual-cased')
+def create_sentiment_bert():
+  # 버트 pretrained 모델 로드
+  model = TFBertModel.from_pretrained('bert-base-multilingual-cased')
+  # 토큰 인풋, 마스크 인풋, 세그먼트 인풋 정의
+  token_inputs = tf.keras.layers.Input((SEQ_LEN,), dtype=tf.int32, name='input_word_ids')
+  mask_inputs = tf.keras.layers.Input((SEQ_LEN,), dtype=tf.int32, name='input_masks')
+  segment_inputs = tf.keras.layers.Input((SEQ_LEN,), dtype=tf.int32, name='input_segment')
+  # 인풋이 [토큰, 마스크, 세그먼트]인 모델 정의
+  bert_outputs = model([token_inputs, mask_inputs, segment_inputs])
+
+  bert_outputs = bert_outputs[1]
+  sentiment_first = tf.keras.layers.Dense(1, activation='sigmoid', kernel_initializer=tf.keras.initializers.TruncatedNormal(stddev=0.02))(bert_outputs)
+  sentiment_model = tf.keras.Model([token_inputs, mask_inputs, segment_inputs], sentiment_first)
+
+  sentiment_model.compile(loss=tf.keras.losses.BinaryCrossentropy(), metrics = ['accuracy'])
+  return sentiment_model
 
 def sentence_convert_data(data):
     global tokenizer
@@ -42,3 +57,6 @@ def movie_evaluation_predict(sentence):
       st.write("(부정 확률 : %.2f) 부정적인 영화 평가입니다." % (1.0-predict_value))
     elif predict_answer == 1:
       st.write("(긍정 확률 : %.2f) 긍정적인 영화 평가입니다." % predict_value)
+
+sentiment_model = create_sentiment_bert()
+movie_evaluation_predict("보던거라 계속보고있는데 전개도 느리고 주인공인 은희는 한두컷 나오면서 소극적인모습에 ")