app.py

import gradio as gr
from transformers import AutoTokenizer, AutoModelForSequenceClassification, Trainer, TrainingArguments
from datasets import load_dataset

# 데이터셋 로딩
dataset = load_dataset("imdb")

# 모델과 토크나이저 로딩
model_name = "distilbert-base-uncased"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# 데이터셋을 모델에 맞게 전처리
def tokenize_function(examples):
    return tokenizer(examples["text"], padding="max_length", truncation=True)

tokenized_datasets = dataset.map(tokenize_function, batched=True)

# 훈련 설정
training_args = TrainingArguments(
    output_dir="./results",           # 결과 저장 경로
    num_train_epochs=3,               # 훈련 에폭 수
    per_device_train_batch_size=8,    # 배치 크기
    per_device_eval_batch_size=8,     # 검증 배치 크기
    evaluation_strategy="epoch",      # 에폭마다 검증
    logging_dir="./logs",             # 로그 저장 경로
)

trainer = Trainer(
    model=model,                       # 훈련할 모델
    args=training_args,                # 훈련 인자
    train_dataset=tokenized_datasets["train"],  # 훈련 데이터셋
    eval_dataset=tokenized_datasets["test"],    # 평가 데이터셋
)

# 훈련 시작
trainer.train()

# 그라디오 인터페이스로 훈련된 모델을 UI에 연결
def classify_text(text):
    inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True)
    outputs = model(**inputs)
    logits = outputs.logits
    predicted_class = logits.argmax(-1).item()
    return predicted_class

demo = gr.Interface(fn=classify_text, inputs="text", outputs="text")

# Gradio 인터페이스 실행 (훈련 후)
demo.launch()