app.py

import gradio as gr
from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# Загрузка модели и токенизатора
model_name = "your-username/your-model-name"  # Замените на путь к вашей модели на HF
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# Перевод модели в режим оценки
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = model.to(device)
model.eval()

# Словарь для маппинга индексов на категории
id2label = {
    0: 'climate', 1: 'conflicts', 2: 'culture', 3: 'economy', 4: 'gloss',
    5: 'health', 6: 'politics', 7: 'science', 8: 'society', 9: 'sports', 10: 'travel'
}

def predict(text):
    inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True).to(device)
    with torch.no_grad():
        outputs = model(**inputs)
    predicted_label_id = outputs.logits.argmax(-1).item()
    predicted_label = id2label[predicted_label_id]
    
    # Получаем вероятности для всех классов
    probabilities = torch.nn.functional.softmax(outputs.logits, dim=-1)
    probs_dict = {id2label[i]: float(prob) for i, prob in enumerate(probabilities[0])}
    
    return predicted_label, probs_dict

# Создание интерфейса Gradio
iface = gr.Interface(
    fn=predict,
    inputs=gr.Textbox(lines=5, label="Введите текст новости"),
    outputs=[
        gr.Label(label="Предсказанная категория"),
        gr.Label(label="Вероятности категорий")
    ],
    title="Классификатор новостей",
    description="Введите текст новости, и модель предскажет её категорию."
)

iface.launch()