Update app.py

app.py

@@ -4,55 +4,48 @@ import numpy as np
 import joblib
 from tensorflow.keras.preprocessing.sequence import pad_sequences
 from transformers import pipeline
-# Fonction de prédiction pour le lstm
+
+# Charger le modèle LSTM et le tokenizer
+model = tf.keras.models.load_model("lstm_model.h5")
+tokenizer = joblib.load('tokenizer.joblib')
+
+# Charger CamemBERT une seule fois
+sentiment_pipeline = pipeline("sentiment-analysis", model="cmarkea/distilcamembert-base-sentiment")
+
+# Fonction de prédiction LSTM
 def analyser_sentiment_lstm(tweet):
     sequence = tokenizer.texts_to_sequences([tweet])
-    padded = pad_sequences(sequence)
+    padded = pad_sequences(sequence, maxlen=100)  # adapte le maxlen
     prediction = model.predict(padded)[0]
 
     sentiment = "Positif" if prediction[0] >= 0.5 else "Négatif"
-    return {sentiment: float(prediction[0]) if sentiment == "Positif" else 1 - float(prediction[0])}
+    return {sentiment: round(float(prediction[0]) if sentiment == "Positif" else 1 - float(prediction[0]), 2)}
 
+# Fonction Camembert
 def analyser_sentiment_camembert(tweet):
-    # charger le modèle
-    sentiment_pipeline = pipeline("sentiment-analysis", model="cmarkea/distilcamembert-base-sentiment")
-
-    # appliquer le modèle
     result = sentiment_pipeline(tweet)[0]['label']
     return result
 
-
-
-# Charger le modèle LSTM
-model = tf.keras.models.load_model("lstm_model.h5")
-
-# Charger le tokenizer utilisé pendant l'entraînement
-tokenizer = joblib.load('tokenizer.joblib')
-
-# définir les blocks
-demo = gr.Blocks(theme='earneleh/paris')
-
-# Interface Gradio
+# Créer les interfaces
 interface1 = gr.Interface(
     fn=analyser_sentiment_lstm,
     inputs=gr.Textbox(lines=3, placeholder="Entrez un tweet en français ici..."),
     outputs=gr.Label(num_top_classes=2),
-    title="Analyse de Sentiment de Tweets aves lstm",
+    title="Analyse de Sentiment de Tweets avec LSTM",
     description="Entrez un tweet en français pour obtenir son sentiment (positif, négatif)."
 )
 
 interface2 = gr.Interface(
-    fn = analyser_sentiment_camembert,
+    fn=analyser_sentiment_camembert,
     inputs=gr.Textbox(lines=3, placeholder="Entrez un tweet en français ici..."),
     outputs=gr.Textbox(label='Output'),
-    title="Analyse de Sentiment de Tweets camembert",
+    title="Analyse de Sentiment de Tweets avec Camembert",
     description="Entrez un tweet en français pour obtenir son sentiment."
 )
 
+# Groupement avec onglets
+with gr.Blocks() as demo:
+    gr.TabbedInterface([interface1, interface2], ['LSTM_SAM', 'CAMEMBERT_SAM'])
 
-# faire un tabbing des interfaces
-with demo:
-  gr.TabbedInterface([interface1, interface2], ['LSTM_SAM', 'CAMEMBERT_SAM'])
-
-# lancer l'interface
-demo.launch()
+# Lancer l'app
+demo.launch()