Create app.py

Add initial app.py content for sentiment classifier

app.py

@@ -0,0 +1,94 @@
+import gradio as gr
+from transformers import AutoModelForSequenceClassification, AutoTokenizer
+import torch
+import os
+
+# --- 1. 全局模型加载 (---
+MODEL_NAME = "uer/roberta-base-finetuned-jd-binary-chinese"
+DEVICE = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+
+# 加载分词器和模型
+try:
+    print(f"正在加载模型: {MODEL_NAME} 到设备: {DEVICE}")
+    tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
+    model = AutoModelForSequenceClassification.from_pretrained(MODEL_NAME)
+    model.to(DEVICE)
+    model.eval()  # 将模型设置为评估模式
+    print("模型加载成功。")
+except Exception as e:
+    print(f"模型加载失败，请检查安装和网络连接: {e}")
+    # 在实际应用中，您可能需要优雅地退出或提供一个备用方案
+
+# 定义类别映射
+LABEL_MAP = {0: "消极 (Negative)", 1: "积极 (Positive)"}
+
+
+# --- 2. Gradio 核心预测函数 ---
+def classify_text(text):
+    """
+    接收用户输入的文本，返回分类结果和置信度。
+    """
+    if not text:
+        return "请输入需要分类的文本。", None, None, None
+
+    # 分词和预处理
+    inputs = tokenizer(text,
+                       padding=True,
+                       truncation=True,
+                       max_length=128,
+                       return_tensors='pt').to(DEVICE)
+
+    # 模型预测
+    with torch.no_grad():
+        outputs = model(**inputs)
+
+    # 处理输出结果
+    # logits -> softmax 转换为概率
+    predictions = torch.softmax(outputs.logits, dim=1)[0]  # 取出第一个（也是唯一的）输入结果
+
+    # 预测的类别
+    predicted_class_id = torch.argmax(predictions).item()
+    predicted_label = LABEL_MAP[predicted_class_id]
+
+    # 预测分数
+    score_negative = predictions[0].item()
+    score_positive = predictions[1].item()
+
+    # 格式化输出文本
+    result_text = f"预测类别：**{predicted_label}**"
+
+    # 格式化置信度字典，用于 Gradio 的 Label 组件
+    confidence_dict = {
+        "消极 (Negative)": score_negative,
+        "积极 (Positive)": score_positive
+    }
+
+    return result_text, confidence_dict
+
+
+# --- 3. Gradio 接口配置和启动 ---
+
+# 定义演示界面的标题和描述
+title = "Hugging Face 中文情感分析演示"
+description = "使用 uer/roberta-base-finetuned-jd-binary-chinese 模型对输入的中文文本进行积极/消极情感二分类。"
+examples = [
+    ["这家餐厅的菜味道太棒了，服务员也很热情。"],
+    ["我等了两个小时，包裹还没送到，非常生气。"],
+    ["我对这款产品不满意，但也不算太差。"]
+]
+
+# 创建 Gradio 接口
+iface = gr.Interface(
+    fn=classify_text,  # 绑定上面定义的预测函数
+    inputs=gr.Textbox(lines=5, label="输入您的中文文本"),  # 输入组件
+    outputs=[
+        gr.Markdown(label="分类结果"),  # 显示最终的预测结果文本
+        gr.Label(label="置信度分数", num_top_classes=2)  # 显示两个类别的概率
+    ],
+    title=title,
+    description=description,
+    examples=examples
+)
+
+# 启动 Web 服务
+iface.launch()