Update app.py

app.py

@@ -1,19 +1,37 @@
-# ใช้โมเดลสำหรับ Classification อารมณ์ในข้อความ
+import streamlit as st
+from transformers import AutoTokenizer, AutoModelForSequenceClassification
+import torch
+
+# โหลด tokenizer และโมเดล
 emotion_model_name = "alexandrainst/da-emotion-classification-base"
 emotion_tokenizer = AutoTokenizer.from_pretrained(emotion_model_name)
 emotion_model = AutoModelForSequenceClassification.from_pretrained(emotion_model_name)
 
-# ตัวอย่างการใช้โมเดลสำหรับ Classification อารมณ์ในข้อความ
-text = "I am feeling happy and excited today."
-inputs = emotion_tokenizer(text, return_tensors="pt")
-outputs = emotion_model(**inputs)
-logits = outputs.logits
+def main():
+    st.title("Emotion Classification App")
+
+    # สร้าง text area สำหรับป้อนข้อความ
+    text = st.text_area('Enter the text for emotion classification:', '')
+
+    # คลิกปุ่ม "Classify Emotion" เพื่อจำแนกอารมณ์ในข้อความ
+    if st.button('Classify Emotion'):
+        if text:
+            # ใช้โมเดลเพื่อจำแนกอารมณ์ในข้อความ
+            inputs = emotion_tokenizer(text, return_tensors="pt")
+            outputs = emotion_model(**inputs)
+            logits = outputs.logits
+
+            # คำนวณคะแนนความน่าจะเป็นของแต่ละอารมณ์
+            probabilities = logits.softmax(dim=1)
 
-# คำนวณคะแนนความน่าจะเป็นของแต่ละอารมณ์
-probabilities = logits.softmax(dim=1)
+            # หาอารมณ์ที่มีความน่าจะเป็นสูงสุด
+            predicted_emotion = torch.argmax(probabilities, dim=1).item()
 
-# หาอารมณ์ที่มีความน่าจะเป็นสูงสุด
-predicted_emotion = torch.argmax(probabilities, dim=1).item()
+            # แสดงอารมณ์ที่ทำนาย
+            st.subheader("Predicted Emotion:")
+            st.write(predicted_emotion)
+        else:
+            st.warning("Please enter some text for emotion classification.")
 
-# แสดงอารมณ์ที่ทำนาย
-print(f"Predicted Emotion: {predicted_emotion}")
+if __name__ == "__main__":
+    main()