Update app.py
Browse files
app.py
CHANGED
@@ -3,55 +3,36 @@ import pandas as pd
|
|
3 |
import numpy as np
|
4 |
import io
|
5 |
import requests
|
6 |
-
from
|
7 |
-
|
8 |
-
|
9 |
-
|
10 |
-
|
11 |
-
|
12 |
-
|
13 |
-
|
14 |
-
|
15 |
-
|
16 |
-
|
17 |
-
|
18 |
-
|
19 |
-
|
20 |
-
|
21 |
-
|
22 |
-
|
23 |
-
|
24 |
-
|
25 |
-
|
26 |
-
|
27 |
-
#
|
28 |
-
|
29 |
-
|
30 |
-
|
31 |
-
|
32 |
-
|
33 |
-
|
34 |
-
|
35 |
-
|
36 |
-
|
37 |
-
# Create the Gradio interfaces
|
38 |
-
iface = gr.Interface(
|
39 |
-
fn=predict_category,
|
40 |
-
inputs=gr.Textbox(label="Title"),
|
41 |
-
outputs=[
|
42 |
-
gr.Textbox(label="Prediction"),
|
43 |
-
gr.Dataframe(label="Probs", type='pandas')
|
44 |
-
],
|
45 |
-
title="Text Classification App",
|
46 |
-
description="Enter a news title and get the predicted category.",
|
47 |
-
examples=[
|
48 |
-
["Phó Thủ tướng ghi sổ tang tưởng niệm các nạn nhân trong vụ khủng bố ở Nga"],
|
49 |
-
["Thiếu giáo viên: Dự kiến cho phép tuyển dụng người có trình độ cao đẳng"],
|
50 |
-
['Diễn viên Thu Quỳnh chia sẻ điều bất ngờ không tính toán trước'],
|
51 |
-
["Nhóm khách vay mua nhà đất bị nợ xấu, ngân hàng tá hỏa biết khách còn nợ khủng"],
|
52 |
-
["Điều kiện để các giáo sư y khoa Hàn Quốc không từ chức hàng loạt"]
|
53 |
-
]
|
54 |
)
|
55 |
|
56 |
-
|
57 |
-
iface.launch()
|
|
|
3 |
import numpy as np
|
4 |
import io
|
5 |
import requests
|
6 |
+
from transformers import AutoTokenizer, AutoModelForSequenceClassification
|
7 |
+
import torch.nn.functional as F
|
8 |
+
|
9 |
+
genres = ['Kinh tế', 'Giáo dục', 'Xe', 'Sức khoẻ', 'Công nghệ - Game']
|
10 |
+
|
11 |
+
tokenizer = AutoTokenizer.from_pretrained("mob2711/phoBERT_finetune_news_classification")
|
12 |
+
model = AutoModelForSequenceClassification.from_pretrained("mob2711/phoBERT_finetune_news_classification")
|
13 |
+
|
14 |
+
def tokenize(text):
|
15 |
+
encoded_text = tokenizer(text, padding=True, truncation=True, return_tensors="pt")
|
16 |
+
return encoded_text
|
17 |
+
|
18 |
+
def predict_proba(text_data):
|
19 |
+
encoded_data = tokenize(text_data)
|
20 |
+
with torch.no_grad():
|
21 |
+
outputs = model(**encoded_data)
|
22 |
+
logits = outputs.logits
|
23 |
+
probabilities = F.softmax(logits, dim=-1)[0]
|
24 |
+
label_probs = {genres[id]: prob for id, prob in enumerate(probabilities)}
|
25 |
+
return label_probs
|
26 |
+
|
27 |
+
# Interface
|
28 |
+
input_text = gr.Textbox(lines=2, label="Enter the title")
|
29 |
+
output_text = gr.Label(label="Predicted Probabilities")
|
30 |
+
|
31 |
+
demo = gr.Interface(
|
32 |
+
fn=predict_proba,
|
33 |
+
inputs=input_text,
|
34 |
+
outputs=output_text,
|
35 |
+
title="Newspaper Title Classifier",
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
36 |
)
|
37 |
|
38 |
+
demo.launch()
|
|