app.py

"""import gradio as gr
import onnxruntime as rt
from transformers import AutoTokenizer
import torch, json

tokenizer = AutoTokenizer.from_pretrained("neuralmind/bert-large-portuguese-cased")

with open("genre_types_encoded.json", "r") as fp:
  encode_genre_types = json.load(fp)

genres = list(encode_genre_types.keys())

inf_session = rt.InferenceSession('movie-classifier-quantized.onnx')
input_name = inf_session.get_inputs()[0].name
output_name = inf_session.get_outputs()[0].name

def classify_movie_genre(sinopse):
  input_ids = tokenizer(sinopse)['input_ids'][:512]
  logits = inf_session.run([output_name], {input_name: [input_ids]})[0]
  logits = torch.FloatTensor(logits)
  probs = torch.sigmoid(logits)[0]
  return dict(zip(genres, map(float, probs))) 

label = gr.outputs.Label(num_top_classes=5)
iface = gr.Interface(fn=classify_movie_genre, inputs="text", outputs=label)
iface.launch(inline=False)"""

import gradio as gr
import onnxruntime as rt
from transformers import AutoTokenizer
import torch, json

tokenizer = AutoTokenizer.from_pretrained("neuralmind/bert-large-portuguese-cased")
with open("genre_types_encoded.json", "r") as fp:
    encode_genre_types = json.load(fp)

genres = list(encode_genre_types.keys())

inf_session = rt.InferenceSession("movie-classifier-quantized.onnx")
input_name = inf_session.get_inputs()[0].name
output_name = inf_session.get_outputs()[0].name

def classify_movie_genre(sinopse):
    input_ids = tokenizer(sinopse)["input_ids"][:512]
    logits = inf_session.run([output_name], {input_name: [input_ids]})[0]
    logits = torch.FloatTensor(logits)
    probs = torch.sigmoid(logits)[0]
    return dict(zip(genres, map(float, probs)))

label = gr.outputs.Label(num_top_classes=5)

sample_synopses = [
    "Um grupo de amigos enfrenta um perigoso monstro sobrenatural em uma pequena cidade.",  # Horror
    "Um casal de detetives investiga uma série de assassinatos misteriosos em uma grande metrópole.",  # Thriller
    "Uma jovem embarca em uma jornada de autodescoberta em um mundo fantástico.",  # Fantasy
    "Um astronauta se esforça para sobreviver em uma missão espacial que deu errado.",  # Sci-Fi
    "Uma comédia romântica sobre duas pessoas que se apaixonam apesar de suas diferenças.",  # Romance
]

iface = gr.Interface(
    fn=classify_movie_genre,
    inputs=[gr.Textbox(lines=5, label="Digite a sinopse do filme ou selecione um exemplo:")],
    outputs=label,
)

# Add a dropdown menu of sample synopses
iface.components["inputs"][0].add_option(
    "Exemplo de Sinopses",
    sample_synopses,
    value="Um grupo de amigos enfrenta um perigoso monstro sobrenatural em uma pequena cidade.",
)

iface.launch(inline=False)