Update app.py

app.py

@@ -105,12 +105,14 @@ def pre_process():
 
 def classify(df, new_column = True):
   sentencesMCTIList_xp8 = df['opo_pre_tkn']
+  print("Dados da planilha adquiridos")
 
   formatted_sentences = []
   for sentence in sentencesMCTIList_xp8:
     formatted_sentences.append(json.loads(sentence.replace("'",'"')))
-
   del sentencesMCTIList_xp8
+
+  print("Transformado em W2V")
   words = list(reloaded_w2v_model.wv.vocab) 
   item_shape = np.shape(reloaded_w2v_model.wv[words[0]])
   MCTIinput_vector = []
@@ -126,7 +128,7 @@ def classify(df, new_column = True):
 
   MCTIinput_padded = pad_sequences(MCTIinput_vector, maxlen=2726, padding='pre')
   del MCTIinput_vector
-  
+  print("Sentenças com Padding")
   predictions = reconstructed_model_CNN.predict(MCTIinput_padded)
   del MCTIinput_padded
   print(predictions)
@@ -153,6 +155,7 @@ reconstructed_model_CNN = keras.models.load_model("best weights CNN.h5",
 
 def app(operacao, resultado, dados):
   data = pd.read_excel(dados)
+  print("Dados Carregados!")
 
   # boxes = {'Color': ['Green','Green','Green','Blue','Blue','Red','Red','Red'],
   #          'Shape': ['Rectangle','Rectangle','Square','Rectangle','Square','Square','Square','Rectangle'],
@@ -174,6 +177,7 @@ def app(operacao, resultado, dados):
 
     return output
   elif operacao == "Apenas Classificação" :
+    print("Apenas Classificação Selecionado!")
     df = classify(data, resultado == "Nova Coluna")
     output = gen_output(df)