Upload app.py with huggingface_hub

app.py

@@ -0,0 +1,53 @@
+import gradio as gr
+import torch
+from model_def import RNN
+from name_change import hangul_to_roman, lineToTensor
+import torch.nn.functional as F
+
+
+# 모델 로드
+RNN(input_size=57, hidden_size=128, output_size=2)
+rnn_load = torch.load('rnn_08050114.pt')
+rnn_load.eval()
+
+# 주어진 라인의 출력 반환
+all_categories=['여자','남자']
+
+def evaluate(line_tensor):
+    hidden = rnn_load.initHidden()
+
+    for i in range(line_tensor.size()[0]):
+        output, hidden = rnn_load(line_tensor[i], hidden)
+
+    return output
+
+def predict(input_line, n_predictions=2):
+    print('\n> %s' % input_line)
+    input_line=hangul_to_roman(input_line)
+    with torch.no_grad():
+        output = evaluate(lineToTensor(input_line))
+
+        probabilities = F.softmax(output, dim=1)
+        topv, topi = torch.topk(probabilities, n_predictions)
+        predictions = [(round(topv[0][i].item(), 2), all_categories[topi[0][i].item()]) for i in range(n_predictions)]
+    return predictions
+
+def name_classifier(name):
+    result=predict(name)
+    print(result)
+    return {result[0][1]: result[0][0], result[1][1]: result[1][0]}
+
+
+demo = gr.Interface(
+    fn=name_classifier, 
+    inputs="text", 
+    outputs="label",
+    title="한국이름 성별 예측 모델",  
+    description="이 모델은 입력된 이름을 기반으로 성별을 예측합니다. 성을 제외한 이름을 입력하고 예측된 성별과 그 확률을 확인하세요.",  
+    examples=[["하은"], ["현배"], ["시경"]] 
+)
+
+
+
+demo.launch()
+