| from liqfit.pipeline import ZeroShotClassificationPipeline | |
| from liqfit.models import T5ForZeroShotClassification | |
| from transformers import T5Tokenizer | |
| import gradio as gr | |
| modelo = T5ForZeroShotClassification.from_pretrained('knowledgator/comprehend_it-multilingual-t5-base') | |
| tokenizador = T5Tokenizer.from_pretrained('knowledgator/comprehend_it-multilingual-t5-base') | |
| classificador = ZeroShotClassificationPipeline(model=modelo, tokenizer=tokenizador,hypothesis_template = '{}', encoder_decoder = True) | |
| categorias = ['ferramentas', 'eletrônicos', 'beleza', 'brinquedos', 'cozinha'] | |
| def categorizar(descricao): | |
| resultado = classificador(descricao, categorias, multi_label=False) | |
| categoria_max = max(zip(resultado['labels'],resultado['scores']), key=lambda x: x[1])[0] | |
| return categoria_max | |
| app = gr.Interface( | |
| fn=categorizar, | |
| inputs=gr.Textbox(label="Descrição do Produto", placeholder="Digite a descrição do produto"), | |
| outputs=gr.Textbox(label="Categoria Prevista"), | |
| title="Classificação de Produtos por Categoria", | |
| description="Digite a descrição de um produto para classificá-lo automaticamente em uma categoria." | |
| ) | |
| if __name__ == "__main__": | |
| app.launch(share=True) |