Update app.py

app.py

@@ -1,37 +1,35 @@
 # app.py
 import gradio as gr
 from transformers import pipeline
+import torch
+
+# 使用 GPU 如果可用
+device = 0 if torch.cuda.is_available() else -1
 
 # 初始化模型pipeline
-# 情感分析模型（假设输出格式为 {'label': 'POSITIVE/NEGATIVE', 'score': float}）
 sentiment_pipeline = pipeline(
     "text-classification",
-    model="KeviniveK/CustomModel_IMDB"
+    model="KeviniveK/CustomModel_IMDB",
+    device=device
 )
 
-# 翻译模型（英文->中文）
 translation_pipeline = pipeline(
     "translation",
-    model="Helsinki-NLP/opus-mt-en-zh"
+    model="Helsinki-NLP/opus-mt-en-zh",
+    device=device
 )
 
 def analyze_and_translate(text):
-    # 情感分析
     sentiment_result = sentiment_pipeline(text)[0]
-    
-    # 翻译处理
     translation_result = translation_pipeline(text)[0]['translation_text']
-    
-    # 格式化置信度为百分比
     confidence = f"{sentiment_result['score']*100:.2f}%"
-    
     return {
         "情感分类": sentiment_result['label'],
         "置信度": confidence,
         "中文翻译": translation_result
     }
 
-# 创建Gradio界面
+# 使用JSON组件简化输出
 demo = gr.Interface(
     fn=analyze_and_translate,
     inputs=gr.Textbox(
@@ -39,11 +37,7 @@ demo = gr.Interface(
         placeholder="Enter your English review here...",
         lines=3
     ),
-    outputs=[
-        gr.Textbox(label="情感分类"),
-        gr.Textbox(label="置信度"), 
-        gr.Textbox(label="中文翻译")
-    ],
+    outputs=gr.JSON(label="分析结果"),
     title="🎬 IMDB评价情感分析+翻译系统",
     description="输入英文影评，获取情感分析结果（分类+置信度）和中文翻译",
     examples=[
@@ -53,4 +47,4 @@ demo = gr.Interface(
 )
 
 if __name__ == "__main__":
-    demo.launch()
+    demo.launch()