Spaces:
Sleeping
Sleeping
| from fastapi import FastAPI, HTTPException | |
| from pydantic import BaseModel | |
| from transformers import pipeline | |
| import time | |
| import torch | |
| # Estructuras de Pydantic | |
| class EntradaTexto(BaseModel): | |
| texto: str | |
| class Prediccion(BaseModel): | |
| sentimiento: str | |
| confianza: str | |
| tiempo_ms: float | |
| texto: str | |
| app = FastAPI(title="MercaLatam Sentiment Analysis", version="2.0.0") | |
| # Carga de tu modelo local | |
| classifier = pipeline("sentiment-analysis", model="./saved_model", tokenizer="./saved_model") | |
| def health(): | |
| return {"status": "ok", "proyecto": "MercaLatam"} | |
| def predecir(entrada: EntradaTexto): | |
| if not entrada.texto.strip(): | |
| raise HTTPException(status_code=400, detail="Texto vacío") | |
| inicio = time.time() | |
| res = classifier(entrada.texto)[0] | |
| tiempo_ms = round((time.time() - inicio) * 1000, 2) | |
| # Mapeo según tu Sesión 10 | |
| label_map = {"LABEL_0": "NEGATIVO 🚩", "LABEL_1": "POSITIVO ✅"} | |
| sentimiento = label_map.get(res['label'], res['label']) | |
| return Prediccion( | |
| sentimiento=sentimiento, | |
| confianza=f"{round(res['score'] * 100, 2)}%", | |
| tiempo_ms=tiempo_ms, | |
| texto=entrada.texto | |
| ) | |