Create app.py

app.py

@@ -0,0 +1,37 @@
+#Модель определения эмоционального окраса сообщений
+# 0-нейтрально
+# 1-позитивно
+# 2-негативно
+#It was a wonderful journey. We have visited many beautiful places and seen many sightings! I am happy!
+
+import streamlit as st
+import torch
+from transformers import AutoModelForSequenceClassification
+from transformers import BertTokenizerFast
+
+tokenizer = BertTokenizerFast.from_pretrained('blanchefort/rubert-base-cased-sentiment')
+model = AutoModelForSequenceClassification.from_pretrained('blanchefort/rubert-base-cased-sentiment', return_dict=True)
+
+res_text = ['Текст нейтральный', 'Текст позитивный','Текст негативный']
+
+#Model
+@torch.no_grad()
+def predict(text):
+    inputs = tokenizer(text, max_length=512, padding=True, truncation=True, return_tensors='pt')
+    outputs = model(**inputs)
+    predicted = torch.nn.functional.softmax(outputs.logits, dim=1)
+    predicted = torch.argmax(predicted, dim=1).numpy()
+    return predicted
+
+# Streamlit Header
+st.title('Модель определения эмоционального окраса сообщений')
+st.write('Это модель определения эмоционального окраса текста. Результат: нейтрально/позитивно/негативно')
+# Input text
+text_in = st.text_input('Введите текст:')
+# кнопка вывод результата
+start = st.button('Start:')
+# Click the button
+if start:
+    text_out = int(predict(text_in))
+    #st.write("Результат:", text_out)
+    st.write("Результат:", res_text[text_out])