Spaces:
Running
Running
File size: 2,287 Bytes
3767294 058b417 183273b 79852cb bf9ae69 d17bdaa 0745070 bf9ae69 0745070 45c0de0 0745070 c73ec2c 02b6ab1 c73ec2c c4b2c28 0745070 45c0de0 0745070 016a73d 0745070 c73ec2c 0745070 c73ec2c 0745070 79852cb |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 |
import streamlit as st
from transformers import pipeline
#Nombre_modelo = 'pysentimiento/robertuito-sentiment-analysis'
st.title("Ejercicio interfaz transformers pipeline")
model_options = [
"facebook/bart-large-mnli",
"roberta-large-mnli",
"cross-encoder/nli-roberta-base"
]
# Seleccionar el modelo del pipeline
selected_model = st.selectbox("Selecciona un modelo", model_options)
#funcion eleccion del modelo
def load_pipeline(model_name):
return pipeline("zero-shot-classification", model=model_name, device=0)
#asignacion del modelo a usar
classifier = load_pipeline(selected_model)
# Entrada de texto para la oraci贸n
nombre = st.text_input("Ingrese un nombre a clasificar:")
etiquetas = st.text_area(
"Ingresa las categor铆as separadas por comas:",
placeholder="Ejemplo: biology, movies, technology"
)
# Bot贸n para clasificar
if st.button("Clasificar"):
# Show a spinner during a process
with st.spinner(text="In progress"):
time.sleep(3)
st.success("Done")
if nombre and etiquetas:
# Procesar las categor铆as ingresadas por el usuario
labels = [label.strip() for label in etiquetas.split(",")]
# Obtener las predicciones
result = classifier(nombre, candidate_labels=labels)
# Mostrar los resultados
st.subheader("Resultados de Clasificaci贸n")
#for label, score in zip(result["labels"], result["scores"]):
# st.write(f"**{label}**: {score:.2f}")
for label, score in zip(result["labels"], result["scores"]):
with st.container():
st.markdown(
f"""
<div style="background-color:#f9f9f9;padding:10px;margin-bottom:10px;border-radius:5px;border: 1px solid #ddd;">
<h4 style="margin:0;">{label}</h4>
<p style="margin:0;">Confianza: <b>{score:.2f}</b></p>
</div>
""",
unsafe_allow_html=True,
)
else:
st.warning("Por favor, ingresa una oraci贸n y categor铆as v谩lidas.")
#Clasificador = pipeline('sentiment-analysis', model = Nombre_modelo,device='cuda')
#Res=Cla("sundays are good day for relaxing")
#print(Res)
|