Update app.py

app.py

@@ -1,5 +1,7 @@
 import streamlit as st
 from tensorflow.keras.models import load_model
+from tensorflow.keras.preprocessing.text import Tokenizer
+from tensorflow.keras.preprocessing.sequence import pad_sequences
 import numpy as np
 from transformers import logging
 
@@ -12,6 +14,10 @@ st.title('Chat with Me')
 # Model yükleme (burada dil modeli veya sohbet modeli olmalı)
 model = load_model('text_classification_model.h5')
 
+# Tokenizer yükleme veya tanımlama
+tokenizer = Tokenizer(num_words=10000)  # num_words, kelime sayısı limitidir, modelinize göre ayarlayabilirsiniz
+tokenizer.fit_on_texts(['örnek metin'])  # Tokenizer'ı eğitmek için örnek bir metin kullanabilirsiniz
+
 # Chat history
 if 'chat_history' not in st.session_state:
     st.session_state.chat_history = []
@@ -21,10 +27,10 @@ soru = st.text_input('Sor:')
 
 # Yanıt üretme fonksiyonu (modelinize göre bu kısım değişebilir)
 def generate_response(input_text):
-    # Örneğin, modelinize uygun şekilde giriş ve çıkışları dönüştürün
-    # Bu basit bir örnek, modelinizin gereksinimlerine göre düzenlemelisiniz
-    input_vector = np.array([input_text])  # Modelin beklediği giriş formatı
-    prediction = model.predict(input_vector)
+    # Metni tokenize et ve sekanslara dönüştür
+    sequences = tokenizer.texts_to_sequences([input_text])
+    padded_sequences = pad_sequences(sequences, maxlen=100)  # maxlen, modelin beklediği giriş boyutuna göre ayarlanmalıdır
+    prediction = model.predict(padded_sequences)
     response = "Bu bir örnek yanıttır."  # Modelden gelen yanıtı buraya yazın
     return response