Create app.py

app.py

@@ -0,0 +1,53 @@
+import gradio as gr
+from fastai.tabular.all import *
+import pickle
+import pandas as pd
+import torch
+
+with open('learn.pkl', 'rb') as file:
+    model = pickle.load(file)
+
+def recommendation():
+    data = {'user_id': [user_id, user_id, user_id], 
+     'name': [book_1, book_2, book_3]}
+
+    df = pd.DataFrame(data=data)
+
+    testdl = model.dls.test_dl(df)
+    preds = model.get_preds(dl=testdl)
+    preds
+    
+    rec = 0
+    idx = -1
+    for p in range(len(preds[0])):
+        if float(preds[0][p]) > rec:
+            idx = p
+            rec = float(preds[0][p])
+
+    return f"O livro recomendado é {books[idx]}. A avaliação estimada é de {rec}"
+    
+
+books = ['To Kill a Mockingbird',
+         "Harry Potter and the Sorcerer's Stone (Harry Potter (Paperback))",
+         'The Da Vinci Code',
+         'Harry Potter and the Goblet of Fire (Book 4)',
+         'Silence of the Lambs',
+         'The Fellowship of the Ring (The Lord of the Rings, Part 1)',
+         'The Little Prince',
+         'Jurassic Park',
+         'A Time to Kill'
+        ]
+
+gr.Interface(
+    fn=recommendation,
+    title="Sistema de Recomendação para livros",
+    allow_flagging="never",
+    share=True,
+    inputs=[
+        gr.inputs.Number(default=777777, label="Id do usuário"),
+        gr.Dropdown(books, label="Primeira opção de livro"),
+        gr.Dropdown(books, label="Segunda opção de livro"),
+        gr.Dropdown(books, label="Terceira opção de livro"),
+        gr.Dropdown(books, label="Primeira opção de livro"),
+    ],
+    outputs="text").launch()