Create app.py

app.py

@@ -0,0 +1,35 @@
+from transformers import AutoTokenizer, AutoModelForSequenceClassification
+import torch
+import gradio as gr
+import numpy as np
+
+MODEL_NAME = "cardiffnlp/twitter-xlm-roberta-base-sentiment"
+
+tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
+model = AutoModelForSequenceClassification.from_pretrained(MODEL_NAME)
+
+labels = ['ნეგატიური', 'ნეიტრალური', 'პოზიტიური']
+
+def classify_sentiment(text):
+
+    inputs = tokenizer(text, return_tensors="pt", truncation=True)
+
+    with torch.no_grad():
+        outputs = model(**inputs)
+        logits = outputs.logits
+        probs = torch.nn.functional.softmax(logits, dim=1).numpy()[0]
+    # Get label and confidence
+    top_label = labels[np.argmax(probs)]
+    confidence = np.max(probs)
+    return {labels[i]: float(probs[i]) for i in range(len(labels))}
+
+
+iface = gr.Interface(
+    fn=classify_sentiment,
+    inputs=gr.Textbox(lines=3, placeholder="შეიყვანეთ ტვიტი ..."),
+    outputs=gr.Label(num_top_classes=3),
+    title="Twitter-ის განწყობის კლასიფიკატორი",
+    description="იყენებს CardiffNLP-ის მრავალენოვან RoBERTa მოდელს ტვიტების დადებით, ნეიტრალურ ან უარყოფითად კლასიფიცირებისთვის."
+)
+
+iface.launch(share=True)