update of application

app.py

@@ -4,28 +4,19 @@ classifier = pipeline("zero-shot-classification", model="NbAiLab/nb-bert-base-mn
 
 
 def sequence_to_classify(sequence, labels):
-    response = { 'sequence': "Folkehelseinstituttets mest optimistiske anslag er at alle voksne er ferdigvaksinert innen midten av september.",'labels': ['helse', 'politikk', 'religion', 'sport'],'scores': [0.7680550217628479,0.21670468151569366,0.01563994586467743,0.00441053556278348]}
-    clean_output = {idx: float(response['scores'].pop()) for idx in response['labels']}
-
     hypothesis_template = 'Dette eksempelet er {}.'
     label_clean = str(labels).split(",")
-    response1 = classifier(sequence, label_clean, hypothesis_template=hypothesis_template, multi_class=True)
-    labels = response1['labels']
-    scores = response1['scores']
-    clean_output1 = {labels[idx]: float(scores[idx]) for idx in range(len(labels))}
+    response = classifier(sequence, label_clean, hypothesis_template=hypothesis_template, multi_class=True)
+    labels = response['labels']
+    scores = response['scores']
+    clean_output = {labels[idx]: float(scores[idx]) for idx in range(len(labels))}
     
     print("response is:{}".format(response))
-    print(type(response))
     print("clean_output: {}".format(clean_output))
-    print("\n")
-    print("\n")
-    print("response1 is:{}".format(response1))
-    print(type(response1))
-    print("clean_output1: {}".format(clean_output1))
-    return clean_output1
+    return clean_output
 
-example_text="Folkehelseinstituttets mest optimistiske anslag er at alle voksne er ferdigvaksinert innen midten av september."
-example_labels=[["politikk", "helse", "sport", "religion"]]
+example_text=["Folkehelseinstituttets mest optimistiske anslag er at alle voksne er ferdigvaksinert innen midten av september.","Kutt smør i terninger, og la det temperere seg litt mens deigen elter. Ha hvetemel, sukker, gjær, salt og kardemomme i en bakebolle til kjøkkenmaskin. Bruker du fersk gjær kan du smuldre gjæren i bollen, eller røre den ut i melken. Alt vil ettehvert blande seg godt, så begge deler er like bra."]
+example_labels=["politikk,helse,sport,religion", "helse,sport,religion, mat"]
 
 def greet(name):
     return "Hello " + name + "!!"
@@ -37,7 +28,7 @@ iface = gr.Interface(
     inputs=[gr.inputs.Textbox(lines=2, 
         label="Write a norwegian text you would like to classify...",
         placeholder="Text here..."),
-        gr.inputs.Textbox(lines=2, 
+        gr.inputs.Textbox(lines=10, 
         label="Possible candidate labels",
         placeholder="labels here...")],  
     outputs=gr.outputs.Label(num_top_classes=3),