Add application file

DEPLOY.md

@@ -0,0 +1,46 @@
+# Деплой на HuggingFace Spaces
+
+Папка `hf_space/` — готовый Space. Не хватает только одного файла — твоих
+обученных весов. Дальше 5 шагов.
+
+## 0. Положи веса в эту папку
+Скопируй сюда `bert_toxic_classifier.pt` (тот, что сохраняет твой `train.py`).
+Итоговый состав папки:
+    app.py
+    model.py
+    requirements.txt
+    README.md
+    bert_toxic_classifier.pt   <-- добавить
+
+Если файла весов нет — перезапусти `train.py` локально, он его создаст.
+
+## 1. Установи CLI и залогинься
+    pip install -U "huggingface_hub[cli]"
+    hf auth login
+Токен возьми тут (нужен **write**): https://huggingface.co/settings/tokens
+
+## 2. Создай Space
+    hf repo create russian-toxic-classifier --repo-type space --space-sdk gradio
+(если флаг назван иначе в твоей версии — глянь `hf repo create --help`)
+
+## 3. Залей содержимое папки
+Из каталога `hf_space/`:
+    hf upload TeGPro/russian-toxic-classifier . --repo-type space
+Замени `TeGPro` на свой username на HuggingFace, если он другой.
+Файл весов >10 МБ CLI сам зальёт через LFS — ничего настраивать не надо.
+
+## 4. Открой и проверь
+    https://huggingface.co/spaces/TeGPro/russian-toxic-classifier
+Сборка идёт 2–4 минуты. Введи пару фраз.
+Если токсичное/нетоксичное перепутаны местами — поставь `TOXIC_INDEX = 0`
+в app.py и перезалей шагом 3.
+
+## 5. Вставь ссылку в резюме и GitHub
+- В `resume_projects.txt` (Проект 3) добавь строку: `Демо: <ссылка на Space>`
+- В README репозитория `russian-toxic-classifier` добавь бейдж/ссылку на Space.
+
+---
+## Проверить app.py локально перед деплоем (опционально)
+    pip install -r requirements.txt
+    python app.py
+Откроется на http://127.0.0.1:7860

README.md

@@ -1,13 +1,22 @@
 ---
-title: Russian Toxic Classifier
-emoji: 📚
-colorFrom: red
-colorTo: indigo
+title: Russian Toxicity Classifier
+emoji: 🛡️
+colorFrom: indigo
+colorTo: purple
 sdk: gradio
-sdk_version: 6.19.0
-python_version: '3.13'
 app_file: app.py
 pinned: false
+license: mit
 ---
 
-Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
+# Классификатор токсичности русского текста
+
+Fine-tuning [`cointegrated/rubert-tiny2`](https://huggingface.co/cointegrated/rubert-tiny2)
+с кастомной FC-головой над `[CLS]`-токеном для бинарной классификации
+русскоязычных комментариев на токсичность.
+
+- Датасет: ~300 тыс. строк (`Mnwa/russian-toxic`)
+- Optimizer: AdamW · Loss: CrossEntropy · `max_length=128`
+- Accuracy на отложенном тесте: **96%**
+
+Исходный код и обучение: https://github.com/TeGPro/russian-toxic-classifier

app.py

@@ -0,0 +1,57 @@
+import torch
+import gradio as gr
+from transformers import AutoTokenizer
+
+from model import BertClassifier
+
+WEIGHTS = "bert_toxic_classifier.pt"
+MAX_LEN = 128
+# Индекс класса "токсичный" в твоём датасете (Mnwa/russian-toxic).
+# Если демо путает токсичное с нетоксичным — поменяй на 0.
+TOXIC_INDEX = 1
+
+device = torch.device("cpu")
+tokenizer = AutoTokenizer.from_pretrained("cointegrated/rubert-tiny2")
+
+model = BertClassifier(n_classes=2)
+model.load_state_dict(torch.load(WEIGHTS, map_location=device))
+model.to(device).eval()
+
+
+@torch.no_grad()
+def predict(text: str):
+    if not text or not text.strip():
+        return {"Введите текст": 1.0}
+    enc = tokenizer(
+        text,
+        max_length=MAX_LEN,
+        padding="max_length",
+        truncation=True,
+        return_tensors="pt",
+    )
+    logits = model(enc["input_ids"].to(device), enc["attention_mask"].to(device))
+    probs = torch.softmax(logits, dim=1)[0]
+    toxic = probs[TOXIC_INDEX].item()
+    return {"☣️ Токсичный": toxic, "✅ Нетоксичный": 1.0 - toxic}
+
+
+demo = gr.Interface(
+    fn=predict,
+    inputs=gr.Textbox(lines=3, placeholder="Введите комментарий на русском…", label="Текст комментария"),
+    outputs=gr.Label(num_top_classes=2, label="Оценка токсичности"),
+    title="🛡️ Классификатор токсичности русского текста",
+    description=(
+        "Fine-tuning **cointegrated/rubert-tiny2** на датасете ~300k комментариев. "
+        "Accuracy на отложенном тесте — 96%. "
+        "Код: https://github.com/TeGPro/russian-toxic-classifier"
+    ),
+    examples=[
+        ["Спасибо большое, очень помогло, всё заработало!"],
+        ["Ты вообще читать умеешь? Бесполезный совет, только время потратил."],
+        ["Отличная статья, давно искал такое объяснение."],
+    ],
+    flagging_mode="never",
+)
+
+if __name__ == "__main__":
+    demo.launch()

model.py

@@ -0,0 +1,15 @@
+import torch.nn as nn
+from transformers import AutoModel
+
+
+class BertClassifier(nn.Module):
+    def __init__(self, n_classes=2):
+        super().__init__()
+        self.bert = AutoModel.from_pretrained("cointegrated/rubert-tiny2")
+        self.classifier = nn.Linear(312, n_classes)
+
+    def forward(self, input_ids, attention_mask):
+        outputs = self.bert(input_ids=input_ids, attention_mask=attention_mask)
+        cls_output = outputs.last_hidden_state[:, 0, :]
+        logits = self.classifier(cls_output)
+        return logits

requirements.txt

@@ -0,0 +1,3 @@
+torch>=2.0.0
+transformers>=4.30.0
+gradio>=5.0.0