Update app.py

app.py

@@ -0,0 +1,123 @@
+import streamlit as st
+from transformers import RobertaForSequenceClassification, RobertaTokenizer
+import torch
+import re
+import streamlit as st
+from PIL import Image
+
+# Функция для загрузки модели
+@st.cache_resource
+def load_model():
+    model_name = "models_cpp"  # Замените на путь к вашей модели
+    model = RobertaForSequenceClassification.from_pretrained(model_name)
+    tokenizer = RobertaTokenizer.from_pretrained(model_name)
+    return model, tokenizer
+
+# Функция для удаления комментариев из кода
+def remove_comments(content):
+    content = re.sub(r'//.*', '', content)
+    content = re.sub(r'/\*.*?\*/', '', content, flags=re.DOTALL)
+    return content
+
+# Функция для форматирования кода
+def format_code(code):
+    content = remove_comments(code)
+    lines = content.splitlines()
+    joined_instructions = []
+    current_instruction = []
+    open_braces = 0
+    open_parentheses = 0
+
+    for line in lines:
+        stripped_line = line.strip()
+        if not stripped_line:
+            continue
+
+        open_braces += stripped_line.count('{')
+        open_braces -= stripped_line.count('}')
+        open_parentheses += stripped_line.count('(')
+        open_parentheses -= stripped_line.count(')')
+
+        current_instruction.append(stripped_line)
+
+        if open_braces == 0 and open_parentheses == 0 and (stripped_line.endswith(';') or stripped_line.endswith('}') or stripped_line.endswith('{')):
+            instruction = ' '.join(current_instruction).strip()
+            joined_instructions.append(re.sub(r'\s+', ' ', instruction))
+            current_instruction = []
+
+    if current_instruction:
+        instruction = ' '.join(current_instruction).strip()
+        joined_instructions.append(re.sub(r'\s+', ' ', instruction))
+
+    return '\n'.join(joined_instructions)
+
+# Функция для классификации кода
+def classify_code(model, tokenizer, code):
+    formatted_code = format_code(code)
+    inputs = tokenizer(formatted_code, return_tensors="pt")
+    outputs = model(**inputs)
+    prediction = torch.argmax(outputs.logits, dim=1).item()
+    result = "Правильный" if prediction == 1 else "Неправильный"
+    return result
+
+# Интерфейс Streamlit
+st.title("Классификатор кода")
+st.markdown("Введите свой код в текстовое поле ниже и нажмите кнопку для классификации.")
+
+# Ввод кода через текстовое поле
+code_input = st.text_area("Введите ваш код здесь", height=300)
+
+# Кнопка для классификации
+if st.button("Классифицировать код"):
+    model, tokenizer = load_model()  # Загрузка модели
+    result = classify_code(model, tokenizer, code_input)
+    st.write(f"Классификация: **{result}**")
+
+st.markdown("---")  # Добавляет еще одну горизонтальную линию
+
+# Заголовок и описание модели
+st.title("Оценка модели для классификации кода")
+st.markdown("""
+Это приложение демонстрирует основные метрики качества обученной модели для классификации корректности кода.
+Здесь представлены метрики, такие как Accuracy, Precision, Recall, F1-Score, ROC-кривая и матрица ошибок.
+""")
+
+st.header("Метрики модели")
+metrics = {
+    "Ошибка на обучающей выборке (Train Loss)": 0.2648,
+    "Ошибка на тестовой выборке (Eval Loss)": 0.1514,
+    "Точность (Accuracy)": 0.9545,
+    "Полнота (Recall)": 0.9390,
+    "Точность предсказаний (Precision)": 0.9694,
+    "F1-мера (F1 Score)": 0.9539,
+    "Логарифмическая потеря (Log Loss)": 1.3854,
+    "Коэффициент корреляции Мэтьюса (MCC)": 0.9095,
+    "Среднеквадратичная ошибка (MSE)": 7.9419,
+    "Корень из среднеквадратичной ошибки (RMSE)": 2.8181,
+    "Каппа Коэна (Cohen's Kappa)": 0.9090,
+    "Точность в топ-5 (Top-5 Accuracy)": 1.0000,
+    "Площадь под PR-кривой (PR AUC)": 0.9917,
+    "Сбалансированная точность (Balanced Accuracy)": 0.9546,
+    "Индекс Жаккара (Jaccard Index)": 0.9119
+}
+
+# Отображение метрик
+for metric_name, value in metrics.items():
+    st.write(f"**{metric_name}:** {value:.4f}")
+
+# Вставка изображения ROC-кривой
+st.header("ROC-кривая")
+roc_image = Image.open("img_2.png")  # Замените на ваш путь к файлу изображения
+st.image(roc_image, caption='ROC-кривая', use_column_width=True)
+
+# Вставка изображения матрицы ошибок
+st.header("Матрица ошибок")
+confusion_image = Image.open("img_1.png")  # Замените на ваш путь к файлу изображения
+st.image(confusion_image, caption='Матрица ошибок', use_column_width=True)
+
+
+# Personal information at the bottom of the interface
+st.markdown("---")  # Adds a horizontal line for separation
+st.markdown("**Full Name:** ilgiz Sulaymanov")
+st.markdown("**Place of Study:** Zhusup Balasagyn Kyrgyz National University")
+st.markdown("**Email:** sulaymanovilgiz00@gmail.com")