Upload app.py with huggingface_hub

app.py

@@ -0,0 +1,81 @@
+import torch
+import torch.nn as nn
+import torch.nn.functional as F
+import os
+    
+from model_def import TextClassifier
+from mor import tokenize
+import pickle
+import gradio as gr
+import subprocess
+
+
+
+
+embedding_dim = 100
+hidden_dim = 128
+output_dim = 2
+vocab_size=17391 
+USE_CUDA = torch.cuda.is_available()
+device = torch.device("cuda" if USE_CUDA else "cpu")
+model_name='08221228'
+
+model = TextClassifier(vocab_size, embedding_dim, hidden_dim, output_dim)
+
+
+model.load_state_dict(torch.load('best_model_checkpoint'+model_name+'.pth',map_location=device))
+model.to(device)
+
+with open('word_to_index.pkl', 'rb') as f:
+    word_to_index = pickle.load(f)
+
+
+
+
+index_to_tag = {0 : '부정', 1 : '긍정'}
+def predict(text, model, word_to_index, index_to_tag):
+    # Set the model to evaluation mode
+    model.eval()
+    tokens= tokenize(text)
+    
+    token_indices = [word_to_index.get(token, 1) for token in tokens]
+
+    input_tensor = torch.tensor([token_indices], dtype=torch.long).to(device)
+
+    # Pass the input tensor through the model
+    with torch.no_grad():
+        logits = model(input_tensor)  # (1, output_dim)
+
+    # Apply softmax to the logits
+    probs = F.softmax(logits, dim=1)
+    topv, topi = torch.topk(probs, 2)
+    predictions = [(round(topv[0][i].item(), 2), index_to_tag[topi[0][i].item()]) for i in range(2)]
+
+    # Get the predicted class index
+    predicted_index = torch.argmax(logits, dim=1)
+
+    # Convert the predicted index to its corresponding tag
+    predicted_tag = index_to_tag[predicted_index.item()]
+
+    return predictions
+
+
+
+def name_classifier(test_input):
+    result=predict(test_input, model, word_to_index, index_to_tag)
+    print(result)
+    return {result[0][1]: result[0][0], result[1][1]: result[1][0]}
+
+
+demo = gr.Interface(
+    fn=name_classifier, 
+    inputs="text", 
+    outputs="label",
+    title="영화 리뷰 감성 분석 LSTM 모델",  
+    description="이 모델은 영화 리뷰 텍스트를 입력받아 감성 분석을 수행하여, 긍정적 또는 부정적인 감정을 예측합니다. LSTM 기반의 텍스트 분류 모델입니다. 이 모델은 위키독스의 [13-02 LSTM을 이용한 네이버 영화 리뷰 분류](https://wikidocs.net/217687)를 바탕으로 제작한 예제입니다.",
+    examples=[["뭔가 맺음이 없는 느낌.."], [" 하츄핑과 로미의 사랑이야기...의외로 ost가 너무 좋아요! "]] 
+)
+
+
+
+demo.launch()