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

title = "Clasificador de Tesis"

description = "hugginface/hackathon-pln-es/unam_tesis_BETO_finnetuning"

article = """
    ## Miembros del Equipo:
        - Isaac Isaías López López ([MajorIsaiah](https://huggingface.co/MajorIsaiah))
        - Dionis López Ramos ([inoid](https://huggingface.co/inoid))
        - Yisel Clavel Quintero ([clavel](https://huggingface.co/clavel))
        - Ximena Yeraldin López López ([Ximyer](https://huggingface.co/Ximyer))
"""

tokenizer = AutoTokenizer.from_pretrained('hiiamsid/BETO_es_binary_classification', use_fast=False)
model = AutoModelForSequenceClassification.from_pretrained(
    'hackathon-pln-e/unam_tesis_beto_finnetuning', num_labels=5, output_attentions=False, output_hidden_states=False)
pipe = TextClassificationPipeline(model=model, tokenizer=tokenizer, return_all_scores=True)
 
classificationResult = pipe("El objetivo de esta tesis es elaborar un estudio de las condiciones asociadas al aprendizaje desde casa.")


def thesis_prediction(input):
    pass
    

examples = ["Introducción al análisis de riesgos competitivos bajo el enfoque de la función de incidencia acumulada (FIA) y su aplicación con R", "Los promedios de calificaciones y clasificar por grupo o asignatura se realizaron a través de tablas dinámicas en Excel"]

if __name__ == "__main__":
    gr.Interface(
        fn=thesis_prediction,
        inputs=gr.inputs.Textbox(
            lines=2,
            placeholder="Ingrese de favor el título de la tesis o un fragmento de esta.",
        ),
        outputs=["text"],
        title=title,
        description=description,
        article=article,
        examples=[examples],
    ).launch()