Introducir ejemplos y dar detalles

app.py

@@ -14,8 +14,8 @@ model = AutoModelForSequenceClassification.from_pretrained("Gerard-1705/bertin_b
 id2label = {0: "NEGATIVE", 1: "POSITIVE"}
 label2id = {"NEGATIVE": 0, "POSITIVE": 1}
 
-def inference_fun(user_input):
-    inputs = tokenizer(user_input, return_tensors="pt")
+def inference_fun(Texto):
+    inputs = tokenizer(Texto, return_tensors="pt")
     with torch.no_grad():
         logits = model(**inputs).logits
     predicted_class_id = logits.argmax().item()
@@ -23,5 +23,19 @@ def inference_fun(user_input):
     
     return output_tag
 
-iface = gr.Interface(fn=inference_fun, inputs="text", outputs="text")
+examples = [
+    [
+        "Los gases refrigerantes fluorados son potentes gases de efecto invernadero. Las alternativas, como el amoniaco o el dióxido de carbono capturado, pueden sustituirlos con el tiempo."
+    ],
+    [
+        "Los vehículos Mercedes-Benz se han centrado en un elevado grado de calidad y arte en sus diseños. Como resultado, han sido históricamente más caros y fabricados en menor cantidad que otros vehículos más baratos. "
+    ],
+    [
+        "El uso excesivo de fertilizantes nitrogenados -un fenómeno frecuente en la agricultura- da lugar a la producción de óxido nitroso, un potente gas de efecto invernadero. Un uso más juicioso de los fertilizantes puede frenar estas emisiones y reducir la producción de fertilizantes, que consume mucha energía."
+    ]
+]
+
+description = "En la siguiente interfaz puedes introducir un texto cualquiera, luego puedes dar click en submit y devolverá una etiqueta de POSITIVO: para un texto que aborde temas de cambio climatico y NEGATIVO: para un texto en general que no hable de estos temas"
+
+iface = gr.Interface(fn=inference_fun, inputs="text", outputs="text", examples=examples)
 iface.launch()