Update app.py
Browse files
app.py
CHANGED
|
@@ -5,20 +5,20 @@ from transformers import pipeline
|
|
| 5 |
import gradio as gr
|
| 6 |
|
| 7 |
# Modelo de clasificación usando LSTM
|
| 8 |
-
|
| 9 |
|
| 10 |
# Modelo de clasificación de texto usando modelos de lenguaje
|
| 11 |
#learner = load_learner('modelML.pkl')
|
| 12 |
|
| 13 |
# Modelo de clasificación basados en mecanismos de atención
|
| 14 |
-
classifier = pipeline('text-classification', model='edgilr/clasificador-rotten-tomatoes')
|
| 15 |
|
| 16 |
def predict(txt):
|
| 17 |
# Modelo de clasificación usando LSTM o modelo de clasificación de texto usando modelos de lenguaje
|
| 18 |
-
|
| 19 |
-
|
| 20 |
# Modelo de clasificación basados en mecanismos de atención
|
| 21 |
-
return classifier(txt)[0]['label']
|
| 22 |
|
| 23 |
gr.Interface(fn=predict, inputs="text", outputs="text",
|
| 24 |
examples=['the story gives ample opportunity for large-scale action and suspense , which director shekhar kapur supplies with tremendous skill .',
|
|
|
|
| 5 |
import gradio as gr
|
| 6 |
|
| 7 |
# Modelo de clasificación usando LSTM
|
| 8 |
+
learner = load_learner('modelLSTM.pkl')
|
| 9 |
|
| 10 |
# Modelo de clasificación de texto usando modelos de lenguaje
|
| 11 |
#learner = load_learner('modelML.pkl')
|
| 12 |
|
| 13 |
# Modelo de clasificación basados en mecanismos de atención
|
| 14 |
+
#classifier = pipeline('text-classification', model='edgilr/clasificador-rotten-tomatoes')
|
| 15 |
|
| 16 |
def predict(txt):
|
| 17 |
# Modelo de clasificación usando LSTM o modelo de clasificación de texto usando modelos de lenguaje
|
| 18 |
+
pred,pred_idx,probs = learner.predict(txt)
|
| 19 |
+
return pred
|
| 20 |
# Modelo de clasificación basados en mecanismos de atención
|
| 21 |
+
#return classifier(txt)[0]['label']
|
| 22 |
|
| 23 |
gr.Interface(fn=predict, inputs="text", outputs="text",
|
| 24 |
examples=['the story gives ample opportunity for large-scale action and suspense , which director shekhar kapur supplies with tremendous skill .',
|