Update app.py

app.py

@@ -1,27 +1,23 @@
+# Importación de las bibliotecas necesarias
 from huggingface_hub import from_pretrained_fastai
 import gradio as gr
-from fastai.text.all import *
 
-# Carga el modelo desde Hugging Face Hub
+# Identificador del repositorio en Hugging Face donde está almacenado el modelo
 repo_id = "luis56125/news2"
+
+# Cargar el modelo preentrenado desde Hugging Face
 learner = from_pretrained_fastai(repo_id)
 
-# Define las etiquetas de clasificación disponibles correspondientes al dataset ag_news
+# Definir las etiquetas de clasificación disponibles
 labels = ['Mundo', 'Deportes', 'Negocios', 'Ciencia/Tecnología']
 
-# Función de predicción que maneja texto
+# Definir una función para predecir la categoría de un texto dado
 def predict(text):
-    pred, pred_idx, probs = learner.predict(text)
-    # Asegura que las etiquetas correspondan a las probabilidades del modelo
-    return {labels[i]: float(probs[i]) for i in range(len(probs))}
+    # Obtener las probabilidades de las etiquetas desde el modelo
+    probs = learner.predict(text)
+    # Devolver un diccionario que mapea cada etiqueta a su probabilidad correspondiente
+    return {labels[i]: float(probs[i]) for i in range(len(labels))}
 
-# Ejemplos de texto para la demostración
-examples = [
-    "Global stock markets have fallen sharply as investors worry about the potential impact of rising interest rates.",
-    "Scientists have discovered a new species of dinosaur that sheds light on the evolutionary history of reptiles.",
-    "The local sports team won their championship game after a stunning comeback in the second half.",
-    "New advancements in artificial intelligence are revolutionizing how we interact with technology."
-]
+# Crear una interfaz de usuario para el modelo utilizando Gradio
+gr.Interface(fn=predict, inputs="text", outputs=gr.components.Label(num_top_classes=5)).launch(share=False)
 
-# Crea y lanza la interfaz de Gradio
-gr.Interface(fn=predict, inputs="text", outputs=gr.outputs.Label(num_top_classes=4), examples=examples).launch(share=True)