Creating app.py

app.py

@@ -0,0 +1,54 @@
+import gradio as gr
+import tensorflow as tf
+import numpy as np
+
+# ----------------------------------------------------
+# ЗАГРУЗКА МОДЕЛИ
+# ----------------------------------------------------
+# Предполагается, что модель сохранена в папке "model"
+model = tf.keras.models.load_model("model")
+
+# Если вы использовали токенизатор (например Keras Tokenizer),
+# загрузите его из pickle
+import pickle
+with open("tokenizer.pkl", "rb") as f:
+    tokenizer = pickle.load(f)
+
+# Метки классов
+EMOTIONS = ["neutral", "joy", "sadness", "anger", "fear", "surprise"]  
+# поменяйте на свои реальные метки
+
+
+# ----------------------------------------------------
+# ФУНКЦИЯ ПРЕДСКАЗАНИЯ
+# ----------------------------------------------------
+def predict(text):
+    # Преобразуем текст в sequence
+    seq = tokenizer.texts_to_sequences([text])
+
+    # Паддинг — на ту длину, на которой обучалась модель
+    padded = tf.keras.preprocessing.sequence.pad_sequences(seq, maxlen=100)  
+
+    # Получаем предсказание
+    preds = model.predict(padded)[0]
+
+    # Находим класс
+    emotion_idx = np.argmax(preds)
+    emotion = EMOTIONS[emotion_idx]
+
+    # Вернём все вероятности (удобно для вывода)
+    return {EMOTIONS[i]: float(preds[i]) for i in range(len(EMOTIONS))}
+
+
+# ----------------------------------------------------
+# GRADIO UI
+# ----------------------------------------------------
+iface = gr.Interface(
+    fn=predict,
+    inputs=gr.Textbox(label="Введите текст"),
+    outputs=gr.Label(num_top_classes=6, label="Эмоции"),
+    title="Emotion Classification",
+    description="Классификация эмоций по тексту с использованием Keras модели"
+)
+
+iface.launch()