|
import gradio as gr |
|
from transformers import AutoModelForSequenceClassification, AutoTokenizer |
|
import torch |
|
|
|
model_name = "Bittar/NLP_Emotions" |
|
model = AutoModelForSequenceClassification.from_pretrained(model_name) |
|
tokenizer = AutoTokenizer.from_pretrained(model_name) |
|
|
|
mapping = { |
|
0: 'negative', |
|
1: 'positive' |
|
} |
|
|
|
def predict(text): |
|
inputs = tokenizer(text, return_tensors="pt") |
|
|
|
outputs = model(**inputs) |
|
predictions = outputs.logits |
|
|
|
return mapping[round(predictions.item())] |
|
|
|
iface = gr.Interface( |
|
fn=predict, |
|
inputs="text", |
|
outputs="text", |
|
layout="vertical", |
|
title="Classificador de emoções em uma frase", |
|
description="Este modelo analisa uma frase em inglês e diz qual sentimento mais se aproxima da frase apresentada. A frase pode ser classificada em Joy, Anger e Fear" |
|
) |
|
|
|
iface.launch(share=True) |