Spaces:
Sleeping
Sleeping
Upload 2 files
Browse files- app.py +87 -0
- requirements.txt +3 -0
app.py
ADDED
|
@@ -0,0 +1,87 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
# ==========================================
|
| 2 |
+
# Hugging Face 모델 사용 - 감정 분석 Gradio
|
| 3 |
+
# ==========================================
|
| 4 |
+
|
| 5 |
+
import gradio as gr
|
| 6 |
+
import torch
|
| 7 |
+
from transformers import AutoTokenizer, AutoModelForSequenceClassification
|
| 8 |
+
from peft import PeftModel
|
| 9 |
+
|
| 10 |
+
# 모델 로드
|
| 11 |
+
print("모델 로드 중...")
|
| 12 |
+
|
| 13 |
+
BASE_MODEL = "klue/bert-base"
|
| 14 |
+
LORA_MODEL = "Jiyoung1218/nsmc-sentiment-lora" # 여러분의 Model
|
| 15 |
+
|
| 16 |
+
tokenizer = AutoTokenizer.from_pretrained(LORA_MODEL)
|
| 17 |
+
base_model = AutoModelForSequenceClassification.from_pretrained(
|
| 18 |
+
BASE_MODEL,
|
| 19 |
+
num_labels=2
|
| 20 |
+
)
|
| 21 |
+
model = PeftModel.from_pretrained(base_model, LORA_MODEL)
|
| 22 |
+
model.eval()
|
| 23 |
+
|
| 24 |
+
device = "cuda" if torch.cuda.is_available() else "cpu"
|
| 25 |
+
model.to(device)
|
| 26 |
+
|
| 27 |
+
print(f"완료! (Device: {device})")
|
| 28 |
+
|
| 29 |
+
# 감정 분석 함수
|
| 30 |
+
def analyze_sentiment(text):
|
| 31 |
+
if not text.strip():
|
| 32 |
+
return "텍스트를 입력해주세요", {}
|
| 33 |
+
|
| 34 |
+
# 토크나이징
|
| 35 |
+
inputs = tokenizer(
|
| 36 |
+
text,
|
| 37 |
+
return_tensors="pt",
|
| 38 |
+
truncation=True,
|
| 39 |
+
max_length=128,
|
| 40 |
+
padding=True
|
| 41 |
+
).to(device)
|
| 42 |
+
|
| 43 |
+
# 예측
|
| 44 |
+
with torch.no_grad():
|
| 45 |
+
outputs = model(**inputs)
|
| 46 |
+
probs = torch.softmax(outputs.logits, dim=-1)[0]
|
| 47 |
+
|
| 48 |
+
# 결과
|
| 49 |
+
pred = torch.argmax(probs).item()
|
| 50 |
+
label = "😊 긍정" if pred == 1 else "😞 부정"
|
| 51 |
+
confidence = probs[pred].item()
|
| 52 |
+
|
| 53 |
+
result = f"**{label}** (확신도: {confidence*100:.1f}%)"
|
| 54 |
+
|
| 55 |
+
prob_dict = {
|
| 56 |
+
"😞 부정": float(probs[0]),
|
| 57 |
+
"😊 긍정": float(probs[1])
|
| 58 |
+
}
|
| 59 |
+
|
| 60 |
+
return result, prob_dict
|
| 61 |
+
|
| 62 |
+
# Gradio UI
|
| 63 |
+
demo = gr.Interface(
|
| 64 |
+
fn=analyze_sentiment,
|
| 65 |
+
inputs=gr.Textbox(
|
| 66 |
+
label="영화 리뷰",
|
| 67 |
+
placeholder="영화에 대한 리뷰를 입력하세요...",
|
| 68 |
+
lines=3
|
| 69 |
+
),
|
| 70 |
+
outputs=[
|
| 71 |
+
gr.Markdown(label="분석 결과"),
|
| 72 |
+
gr.Label(label="감정 확률", num_top_classes=2)
|
| 73 |
+
],
|
| 74 |
+
title="영화 리뷰 감정 분석",
|
| 75 |
+
description="LoRA로 파인튜닝된 NSMC 감정 분석 모델입니다.",
|
| 76 |
+
examples=[
|
| 77 |
+
["정말 재미있는 영화였어요! 강력 추천합니다."],
|
| 78 |
+
["시간 낭비였습니다. 별로였어요."],
|
| 79 |
+
["배우들의 연기가 훌륭했습니다."],
|
| 80 |
+
["스토리가 지루하고 재미없었어요."],
|
| 81 |
+
],
|
| 82 |
+
theme="soft",
|
| 83 |
+
allow_flagging="never"
|
| 84 |
+
)
|
| 85 |
+
|
| 86 |
+
# 실행
|
| 87 |
+
demo.launch(share=True, debug=True)
|
requirements.txt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
transformers
|
| 2 |
+
peft
|
| 3 |
+
torch
|