Spaces:
Running
Running
Update app.py
Browse files
app.py
CHANGED
@@ -52,37 +52,34 @@ etiquetas = st.text_area(
|
|
52 |
if st.button("Clasificar"):
|
53 |
# Show a spinner during a process
|
54 |
with st.spinner(text="Ejecutando el modelo"):
|
55 |
-
|
56 |
-
|
57 |
-
|
58 |
|
59 |
-
|
60 |
-
|
61 |
-
|
62 |
-
|
63 |
-
|
64 |
-
|
65 |
-
|
66 |
-
|
67 |
-
|
68 |
-
|
69 |
-
|
70 |
-
|
71 |
-
|
72 |
-
|
73 |
-
|
74 |
-
|
75 |
-
|
76 |
-
|
77 |
-
|
78 |
-
|
79 |
-
|
80 |
-
|
81 |
-
)
|
82 |
-
graficar(result)
|
83 |
-
else:
|
84 |
-
st.warning("Por favor, ingresa una oración y categorías válidas.")
|
85 |
|
|
|
86 |
|
87 |
#Clasificador = pipeline('sentiment-analysis', model = Nombre_modelo,device='cuda')
|
88 |
#Res=Cla("sundays are good day for relaxing")
|
|
|
52 |
if st.button("Clasificar"):
|
53 |
# Show a spinner during a process
|
54 |
with st.spinner(text="Ejecutando el modelo"):
|
55 |
+
if nombre and etiquetas:
|
56 |
+
# basado en el string crear array labels que pasan como clases al modelo
|
57 |
+
labels = [label.strip() for label in etiquetas.split(",")]
|
58 |
|
59 |
+
#Llamado del modelo y las clases elegidas por el usuario
|
60 |
+
result = classifier(nombre, candidate_labels=labels)
|
61 |
+
|
62 |
+
# Mostrar los resultados
|
63 |
+
st.subheader("Resultados de Clasificación")
|
64 |
+
#for label, score in zip(result["labels"], result["scores"]):
|
65 |
+
# st.write(f"**{label}**: {score:.2f}")
|
66 |
+
|
67 |
+
for label, score in zip(result["labels"], result["scores"]):
|
68 |
+
with st.container():
|
69 |
+
st.markdown(
|
70 |
+
f"""
|
71 |
+
<div style="background-color: #283747;padding:10px;margin-bottom:10px;border-radius:5px;border: 1px solid #ddd;">
|
72 |
+
<h4 style="margin:0;">{label}</h4>
|
73 |
+
<p style="margin:0;">Confianza: <b>{score:.2f}</b></p>
|
74 |
+
</div>
|
75 |
+
""",
|
76 |
+
unsafe_allow_html=True,
|
77 |
+
)
|
78 |
+
graficar(result)
|
79 |
+
else:
|
80 |
+
st.warning("Por favor, ingresa una oración y categorías válidas.")
|
|
|
|
|
|
|
|
|
81 |
|
82 |
+
st.success("Revisar el resultado obtenido en la parte inferior")
|
83 |
|
84 |
#Clasificador = pipeline('sentiment-analysis', model = Nombre_modelo,device='cuda')
|
85 |
#Res=Cla("sundays are good day for relaxing")
|