Update app.py

app.py

@@ -1,28 +1,22 @@
-import gradio as gr
-from transformers import AutoTokenizer, AutoModelForCausalLM, TextGenerationPipeline
+from transformers import AutoTokenizer, AutoModelForSequenceClassification, pipeline
+import torch
 
-model_id = "HuggingFaceH4/zephyr-7b-beta"
+# Загрузка модели и токенизатора
+model_id = "beyond/roberta-base-email-intent-classifier"
 tokenizer = AutoTokenizer.from_pretrained(model_id)
-model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto", torch_dtype="auto")
+model = AutoModelForSequenceClassification.from_pretrained(model_id)
 
-pipe = TextGenerationPipeline(model=model, tokenizer=tokenizer, max_new_tokens=64, do_sample=True, temperature=0.2)
+# pipeline с device="cpu" (или "cuda:0" если есть GPU)
+classifier = pipeline("text-classification", model=model, tokenizer=tokenizer, device=0 if torch.cuda.is_available() else -1)
 
-def classify_email(text):
-    prompt = f"""Ты классификатор писем. Прочитай письмо и верни только одну цифру без пояснений.
+# Пример: классификация писем
+emails = [
+    "Спасибо за ваше письмо. Давайте созвонимся в пятницу.",
+    "К сожалению, мы не готовы сотрудничать в этом направлении.",
+    "А подскажите, пожалуйста, как вы работаете с B2B и есть ли у вас кейсы в финансовой сфере?"
+]
 
-Схема классификации:
-1 — человек хочет встретиться (предлагает даты или спрашивает когда удобно)
-2 — человек отказывается, говорит "не интересно", "спасибо, не нужно"
-3 — человек задаёт уточняющие вопросы, но не даёт согласия или отказа
+results = classifier(emails)
 
-Письмо:
-{text}
-
-Ответ:"""
-    result = pipe(prompt)[0]['generated_text']
-    for token in ['1', '2', '3']:
-        if token in result:
-            return token
-    return "?"
-
-gr.Interface(fn=classify_email, inputs="text", outputs="text", title="Классификация писем").launch()
+for email, res in zip(emails, results):
+    print(f"Email: {email}\n→ Predicted intent: {res['label']} (confidence: {res['score']:.2f})\n")