Update app.py

app.py

@@ -1,20 +1,79 @@
 import gradio as gr
 
-from transformers import pipeline
+import json
+from functools import partial
+from typing import Callable, Dict, List
+import transformers
+from transformers import (
+    AutoModelForSequenceClassification,
+    AutoTokenizer,
+    pipeline
+)
 
-pipe = pipeline("text-classification",
-                model="airesearch/wangchanbart-large",
-                tokenizer="airesearch/wangchanbart-large",
-                revision="finetuned@wisesight_sentiment"
-              )
+model = AutoModelForSequenceClassification.from_pretrained(
+    'airesearch/wangchanbart-large',
+    revision='finetuned@wisesight_sentiment',
+)
+tokenizer = AutoTokenizer.from_pretrained(
+    'airesearch/wangchanbart-large',
+)
+model.config.return_all_scores = True
+LABEL_MAPPING = {
+    'pos': '🤗  Positive',
+    'neu': '😐   Neutral',
+    'neg': '😡 Negative',
+      'q': '🤔 Quesiton',
+}
+CSS_PROGRESS_BAR_MAPPING = {
+     'pos':'w3-green',
+    'neu': 'w3-light-blue',
+    'neg': 'w3-red',
+      'q': 'w3-blue',
+}
+LABEL_MAPPING_REVERSED = {v:k for k,v in LABEL_MAPPING.items() }
+text_cls_pipeline = pipeline(task='text-classification',
+                            tokenizer=tokenizer,
+                            model=model,
+                            return_all_scores=True)
+         
+css_text = """<link rel="stylesheet" href="https://www.w3schools.com/w3css/4/w3.css">"""
+def render_html(items: List[Dict]):
+    html_text = ''
+    for item in items:
 
-def predict(text):
-  return pipe(text)
+        label, score = item['label'], item['score']
+        label_id =  LABEL_MAPPING_REVERSED[label]
+        
+        progress_bar_class_text = CSS_PROGRESS_BAR_MAPPING[label_id]
 
-demo = gr.Interface(
-  fn=predict,
-  inputs='text',
-  outputs='text',
-)
+        html_text += f'<span>{label.replace(" ", "&nbsp;")}:&nbsp;&nbsp;{(score*100):8.2f}%<span>' + \
+            f'<div class="w3-light-grey w3-round"><div class="{progress_bar_class_text} w3-round" style="height:19px;width:{round(score*100,2)}%"></div></div><div style="height:8px;"></div>'
+
+    return '<div class="w3-container">' + html_text + '</div>'
+def classify_text(text: str):
+    text = text.replace(' ', '<_>')
+    results = text_cls_pipeline(text)[0]
+    print(f'results:\n {results}')
+    for i, result in enumerate(results):
+        results[i]['label'] = LABEL_MAPPING[result['label']]
+        results[i]['score'] = float(round(float(result['score']), 4))
+    html_text = css_text + render_html(results)
+    print(html_text)
+    return json.dumps(results, ensure_ascii=False, indent=4), html_text
+
+
+demo = gr.Interface(fn=classify_text,
+inputs=gr.Textbox(lines=5, placeholder='Input text in Thai', label='Input text'),
+examples=[
+        ['งานจากผกก. คนนี้ไม่เคยทำให้เราผิดหวัง ต้องหาเวลาไปดูรอบสอง'],
+        ['ฟอร์ด บุกตลาด อีวี ในอินเดีย #prachachat #ตลาดรถยนต์'],
+        ['สั่งไป2 เมนู คือมัชฉะลาเต้ร้อน กับ ไอศครีมชาเขียว มัชฉะลาเต้ร้อน รสชาเขียวเข้มข้น หอม มัน แต่ไม่กลมกล่อม มันจืดแบบจืดสนิท ส่วนไอศครีมชาเขียว ทานแล้วรสมันออกใบไม้ๆมากกว่าชาเขียว แล้วก็หวานไป โดยรวมแล้วเฉยมากก ดีแค่รสชาเขียวเข้ม มีน้ำเปล่าบริการฟรี'],
+        ['สาขานี้มีลิปของ Etude ไหมอ่าคะ ']
+    ],
+
+outputs=[gr.Textbox(), gr.HTML()])
+
+print(f'\nINFO: transformers.__version__: {transformers.__version__}')
+print(f'\nINFO: pythainlp.__version__: {pythainlp.__version__}')
 
-demo.launch()
+demo.launch()