app.py

import gradio as gr
from transformers import AutoTokenizer, TFAutoModel
import joblib
from huggingface_hub import hf_hub_download
import json
from typing import List

class TextClassificationPipeline:
    def __init__(self, tokenizer, distilbert_model, xgb_model):
        self.tokenizer = tokenizer
        self.distilbert_model = distilbert_model
        self.xgb_model = xgb_model

    def __call__(self, text):
        inputs = self.tokenizer(text, return_tensors="tf", padding=True, truncation=True, max_length=128)
        outputs = self.distilbert_model(**inputs)
        embeddings = outputs.last_hidden_state[:, 0, :].numpy() 
        prediction = self.xgb_model.predict(embeddings)
        return prediction

HF_MODEL_ID = "AndresR2909/suicide-related-text-classification_distilbert_xgboost"

# Descargar modelo
xgboost_path = hf_hub_download(repo_id=HF_MODEL_ID, filename="xgboost_model.joblib")

# Cargar los modelos 
tokenizer = AutoTokenizer.from_pretrained(HF_MODEL_ID)
distilbert_model = TFAutoModel.from_pretrained(HF_MODEL_ID)
xgb_model = joblib.load(xgboost_path)

# Crear el pipeline una sola vez al inicio
pipeline = TextClassificationPipeline(tokenizer, distilbert_model, xgb_model)


# Función para la API
def predict_api(texts: List[str]) -> List[int]:
    # Hacer predicciones (usando el pipeline precargado)
    predictions = [pipeline(text)[0] for text in texts]
   
    return predictions

# Crear la interfaz de Gradio
def main(text):
    # Conversión de texto a lista (fuera de la función predict)
    string_list = [text]
    pred = predict_api(string_list)
    if  pred[0] == 0:
        return "Normal"
    else:
        return "Relacionado con suicidio"


# Crear la interfaz (opcional)
iface = gr.Interface(
    fn=main,
    inputs=gr.Textbox(lines=2, placeholder="Introduce un texto aquí..."),
    outputs="text",
    title="Clasificación de Texto (API)",
    description="Introduce un texto para obtener una predicción en formato JSON.",
)

# Crear un bloque de gradio para el API
with gr.Blocks() as blocks:
    gr.Textbox(lines=2, placeholder="Introduce un texto aquí...", label="Entrada de texto")
    gr.Textbox(label="Resultado", interactive=False)

# Lanzar la interfaz gráfica si deseas compartirla
iface.launch(share=True)

# Montar la API
#app = gr.mount_gradio_app(iface, blocks=blocks, path="/api/predict")