Upload 2 files

inference.py

@@ -0,0 +1,34 @@
+from transformers import AutoTokenizer, AutoModelForSequenceClassification
+import torch
+
+# Загрузка модели и токенизатора
+model_name = "data-silence/news_classifier_ft"
+tokenizer = AutoTokenizer.from_pretrained(model_name)
+model = AutoModelForSequenceClassification.from_pretrained(model_name)
+
+# Перевод модели в режим оценки и на нужное устройство
+device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+model = model.to(device)
+model.eval()
+
+# Словарь для маппинга индексов на категории
+id2label = {
+    0: 'climate', 1: 'conflicts', 2: 'culture', 3: 'economy', 4: 'gloss',
+    5: 'health', 6: 'politics', 7: 'science', 8: 'society', 9: 'sports', 10: 'travel'
+}
+
+def predict(text):
+    # Токенизация входного текста
+    inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True).to(device)
+
+    # Получение предсказания
+    with torch.no_grad():
+        outputs = model(**inputs)
+
+    # Получение индекса предсказанной метки
+    predicted_label_id = outputs.logits.argmax(-1).item()
+
+    # Преобразование индекса в текстовую метку
+    predicted_label = id2label[predicted_label_id]
+
+    return {"label": predicted_label}

widget.json

@@ -0,0 +1,25 @@
+{
+  "task": "text-classification",
+  "inputs": [
+    {
+      "name": "text",
+      "type": "text",
+      "description": "Введите текст новости для классификации"
+    }
+  ],
+  "output": {
+    "type": "label",
+    "description": "Категория новости"
+  },
+  "examples": [
+    {
+      "text": "Власти отселили из районов боевых действий более 76 тыс. человек, заявил представитель МЧС России в межведомственном оперативном штабе Артем Шаров."
+    },
+    {
+      "text": "Ученые обнаружили новый вид динозавров в Аргентине."
+    },
+    {
+      "text": "Курс доллара упал на фоне новых экономических данных."
+    }
+  ]
+}