Spaces:
Runtime error
Runtime error
Update app.py
Browse files
app.py
CHANGED
@@ -1,73 +1,21 @@
|
|
1 |
-
from transformers import
|
2 |
-
from datasets import load_dataset
|
3 |
-
import torch
|
4 |
-
import pandas as pd
|
5 |
-
import numpy as np
|
6 |
-
import gradio as gr
|
7 |
|
8 |
-
|
9 |
-
|
|
|
10 |
|
11 |
-
|
12 |
-
|
13 |
-
model = BertForSequenceClassification.from_pretrained("DeepPavlov/rubert-base-cased", num_labels=len(dataset["train"].features["label"].names))
|
14 |
|
15 |
-
|
16 |
-
|
17 |
-
|
18 |
|
19 |
-
|
|
|
20 |
|
21 |
-
|
22 |
-
|
23 |
-
|
24 |
-
evaluation_strategy="epoch",
|
25 |
-
learning_rate=2e-5,
|
26 |
-
per_device_train_batch_size=16,
|
27 |
-
per_device_eval_batch_size=64,
|
28 |
-
num_train_epochs=3,
|
29 |
-
weight_decay=0.01,
|
30 |
-
)
|
31 |
-
|
32 |
-
# 💨 Процесс обучения
|
33 |
-
trainer = Trainer(
|
34 |
-
model=model,
|
35 |
-
args=training_args,
|
36 |
-
train_dataset=tokenized_datasets["train"],
|
37 |
-
eval_dataset=tokenized_datasets["validation"],
|
38 |
-
)
|
39 |
-
|
40 |
-
trainer.train()
|
41 |
-
|
42 |
-
# 📊 Функционал для демонстрации через Gradio
|
43 |
-
def classify_question(question):
|
44 |
-
tokens = tokenizer(question, return_tensors="pt")
|
45 |
-
outputs = model(**tokens)
|
46 |
-
probabilities = torch.nn.functional.softmax(outputs.logits, dim=-1)
|
47 |
-
pred_label_idx = torch.argmax(probabilities, dim=1).item()
|
48 |
-
categories = dataset["train"].features["label"].names
|
49 |
-
return {
|
50 |
-
"Вероятности классов": dict(zip(categories, probabilities.detach().numpy()[0])),
|
51 |
-
"Прогнозируемый класс": categories[pred_label_idx],
|
52 |
-
}
|
53 |
-
|
54 |
-
# 🖥️ Графический интерфейс Gradio
|
55 |
-
demo = gr.Interface(
|
56 |
-
fn=classify_question,
|
57 |
-
inputs="text",
|
58 |
-
outputs=[
|
59 |
-
gr.Label(label="Категории"),
|
60 |
-
gr.Textbox(label="Прогнозируемый класс"),
|
61 |
-
],
|
62 |
-
examples=[
|
63 |
-
["Как перевести деньги между картами?"],
|
64 |
-
["Что такое кредитная история?"],
|
65 |
-
["Почему моя карта заблокирована?"],
|
66 |
-
],
|
67 |
-
title="Классификация клиентских запросов банка",
|
68 |
-
description="Приложение помогает определить категорию клиентского запроса и оценить вероятность принадлежности каждого класса.",
|
69 |
-
)
|
70 |
-
|
71 |
-
demo.launch()
|
72 |
|
73 |
|
|
|
1 |
+
from transformers import pipeline
|
|
|
|
|
|
|
|
|
|
|
2 |
|
3 |
+
clf = pipeline(
|
4 |
+
task = 'sentiment-analysis',
|
5 |
+
model = 'SkolkovoInstitute/russian_toxicity_classifier')
|
6 |
|
7 |
+
text = ['У нас в есть убунты и текникал превью.',
|
8 |
+
'Как минимум два малолетних дегенерата в треде, мда.']
|
|
|
9 |
|
10 |
+
def data(text):
|
11 |
+
for row in text:
|
12 |
+
yield row
|
13 |
|
14 |
+
for out in clf(data(text)):
|
15 |
+
print(out)
|
16 |
|
17 |
+
#вывод
|
18 |
+
{'label': 'neutral', 'score': 0.9872767329216003}
|
19 |
+
{'label': 'toxic', 'score': 0.985331654548645}
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
20 |
|
21 |
|