Update app.py

app.py

@@ -3,12 +3,13 @@ from transformers import pipeline
 import time
 import matplotlib.pyplot as plt
 
-#Nombre_modelo = 'pysentimiento/robertuito-sentiment-analysis'
 #######################creacion de funciones######################
 @st.cache_resource
+#funcion eleccion del modelo
 def cargar_modelo(model_name):
     return pipeline("zero-shot-classification", model=model_name, device=0)
 
+#funcion que grafica el resultado del modelo
 def graficar(result):
     # Crear un gráfico de pastel
     fig, ax = plt.subplots()
@@ -25,13 +26,16 @@ def graficar(result):
 st.title("Ejercicio interfaz transformers pipeline con modelos Zero-shot")
 
 model_options = [
+    "MoritzLaurer/mDeBERTa-v3-base-xnli-multilingual-nli-2mil7"
+    "joeddav/xlm-roberta-large-xnli"
+    "MoritzLaurer/multilingual-MiniLMv2-L6-mnli-xnli"
     "facebook/bart-large-mnli",
-    "roberta-large-mnli",
-    "cross-encoder/nli-roberta-base"
 ]
+#    "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
 
 
 #asignacion del modelo a usar
@@ -54,10 +58,10 @@ if st.button("Clasificar"):
 
     
     if nombre and etiquetas:
-        # Procesar las categorías ingresadas por el usuario
+        # basado en el string crear array labels que pasan como clases al modelo
         labels = [label.strip() for label in etiquetas.split(",")]
 
-        # Obtener las predicciones
+        #Llamado del modelo y las clases elegidas por el usuario
         result = classifier(nombre, candidate_labels=labels)
 
         # Mostrar los resultados