Commit sin el token

.gitignore

@@ -1,3 +1,3 @@
-/huggingvenv
+huggingvenv/
 
 .venv

.gitignore copy

@@ -0,0 +1,3 @@
+huggingvenv/
+
+.venv

app.py

@@ -0,0 +1,23 @@
+import gradio as gr
+from PIL import Image
+from transformers import pipeline
+
+captioner = pipeline("image-to-text", model="Salesforce/blip-image-captioning-large")
+
+def describir(imagen):
+    if imagen is None:
+        return "Sube una imagen."
+
+    img = Image.fromarray(imagen)
+    result = captioner(img)[0]["generated_text"]
+    return result
+
+demo = gr.Interface(
+    fn=describir,
+    inputs=gr.Image(type="numpy"),
+    outputs=gr.Textbox(),
+    title="Accesibilidad con Transformers",
+    description="Sube una imagen y un modelo Transformer generará una descripción detallada."
+)
+
+demo.launch()

app2.py

@@ -0,0 +1,38 @@
+from transformers import pipeline
+import gradio as gr
+
+
+generator = pipeline(
+    "text2text-generation",
+    model="google/flan-t5-small"
+)
+
+def career_advice(age, academic_level, interests, needs_income):
+    prompt = f"""
+You are an expert career advisor. A student has the following data:
+- Age: {age}
+- Academic level: {academic_level}
+- Interests: {interests}
+- Needs income: {needs_income}
+Give a clear, realistic, and motivating recommendation about whether the student should:
+- Continue studying
+- Do vocational training (FP)
+- Start working
+Explain the reasoning behind your recommendation.
+"""
+    result = generator(prompt, max_length=200)
+    return result[0]['generated_text']
+
+interface = gr.Interface(
+    fn=career_advice,
+    inputs=[
+        gr.Number(label="Age"),
+        gr.Textbox(label="Academic level"),
+        gr.Textbox(label="Interests"),
+        gr.Dropdown(choices=["Yes", "No"], label="Needs income")
+    ],
+    outputs=gr.Textbox(label="Recommendation"),
+    title="Career Advisor for Students"
+)
+
+interface.launch()

app_prueba.py

@@ -0,0 +1,28 @@
+import gradio as gr
+from transformers import pipeline
+
+clasificador = pipeline("sentiment-analysis", model="pysentimiento/robertuito-sentiment-analysis")
+
+def puntuacion_sentimientos(texto):
+    resultado = clasificador(texto)
+    print(resultado)
+    etiqueta = resultado[0]["label"]
+    if(etiqueta == "POS"):
+        respuesta = "Tu frase muy positiva"
+    elif etiqueta == "NEG":
+        respuesta = "Tu frase muy negativa"
+    else:
+        respuesta = "ni fu ni fa"
+    return respuesta
+
+demo = gr.Interface(
+    fn=puntuacion_sentimientos,
+    inputs=gr.Textbox(),
+    outputs=gr.Textbox(),
+    title="Ejemplo Sentimientos de las frases",
+    description="Esta es nuestra interfaz para probar <strong>modelos de UA</strong>",
+    article="En este modelo, escribe una frase y pulsa en **Comprobar** para ver si tiene sentimientos positivos, negativos o neutros",
+    submit_btn="comprobar",
+    fill_width=True
+    )
+demo.launch(theme=gr.themes.Soft())

requirements.txt

@@ -0,0 +1,3 @@
+gradio
+transformers==4.49.0
+torch==2.6.0