Update app.py

app.py

@@ -1,45 +1,44 @@
-import string
 import gradio as gr
-import requests
 import torch
-from transformers import (
-    AutoConfig,
-    AutoModelForSequenceClassification,
-    AutoTokenizer,
-)
+from transformers import AutoConfig, AutoModelForSequenceClassification, AutoTokenizer
 
 model_dir = "crrodrvi/beto_lectura_facil_clasif"
 
+# Configuración del modelo y carga del tokenizer
 config = AutoConfig.from_pretrained(model_dir, num_labels=2, finetuning_task="text-classification")
 tokenizer = AutoTokenizer.from_pretrained(model_dir)
 model = AutoModelForSequenceClassification.from_pretrained(model_dir, config=config)
 
+# Etiquetas personalizadas
+id2label = {0: "Difícil", 1: "Fácil"}
+
 def inference(input_text):
-    inputs = tokenizer.batch_encode_plus(
-                [input_text],
-                max_length=512,
-                pad_to_max_length=True,
-                truncation=True,
-                padding="max_length",
-                return_tensors="pt",
-            )
+    inputs = tokenizer(
+        input_text,
+        max_length=512,
+        truncation=True,
+        padding="max_length",
+        return_tensors="pt",
+    )
     
     with torch.no_grad():
         logits = model(**inputs).logits
     
     predicted_class_id = logits.argmax().item()
-    output = model.config.id2label[predicted_class_id]
+    output = id2label[predicted_class_id]
     return output
 
+# Crear la interfaz de Gradio
 demo = gr.Interface(
     fn=inference,
-    inputs=gr.Textbox(label="Input Text", scale=2, container=False),
+    inputs=gr.Textbox(label="Input Text", placeholder="Introduce el texto aquí...", lines=10),
     outputs=gr.Textbox(label="Output Label"),
-    examples = [
+    examples=[
         ["En París se hace un desfile militar con aviones celebrando ese día. Además en las embajadas francesas de todo el mundo se realizan actos.", 1],
         ["Según Clean Cities, las ZBE son ampliamente utilizadas en otros países de Europa con el fin de mejorar la calidad del aire, salvaguardar la salud pública y abordar la crisis climática. Además, estas medidas fomentan la adopción de transportes limpios, activos y sostenibles, apoyan la transición hacia energías más limpias, reducen la contaminación sonora y contribuyen a la reorganización y naturalización de los entornos urbanos.", 0],
-        ],
+    ],
     title="BETO Clasificación lectura fácil-difícil",
-    )
+)
 
-demo.launch(debug=True)
+# Lanzar la aplicación
+demo.launch(debug=True)