Create app.py

app.py

@@ -0,0 +1,45 @@
+from fastapi import FastAPI, HTTPException
+from transformers import AutoModel, AutoTokenizer
+import gradio as gr
+
+# Inicializar FastAPI
+app = FastAPI()
+
+# Cargar el modelo y el tokenizador desde Hugging Face
+model_name = "ancerlop/ToxicBERTMultilabelTextClassification"
+model = AutoModel.from_pretrained(model_name)
+tokenizer = AutoTokenizer.from_pretrained(model_name)
+
+# Definir función de predicción
+def predict(text):
+    inputs = tokenizer(text, return_tensors="pt")
+    outputs = model(**inputs)
+    return outputs.logits
+
+# Crear una interfaz Gradio
+iface = gr.Interface(
+    fn=predict,
+    inputs=gr.inputs.Textboxbox(),
+    outputs=gr.outputs.Label(num_top_classes=5),
+    live=True,
+    title="Modelo de Clasificación de Texto",
+    description="Este modelo clasifica texto en diferentes categorías."
+)
+
+# Definir una ruta en FastAPI para la API
+@app.post("/api/predict/")
+def predict_api(text: str):
+    try:
+        result = predict(text)
+        return {"predictions": result.tolist()}
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=str(e))
+
+# Montar Gradio en FastAPI
+@app.get("/gradio")
+def gradio_interface():
+    return iface.launch()
+
+if __name__ == "__main__":
+    import uvicorn
+    uvicorn.run(app, host="0.0.0.0", port=8000)