Update app.py

app.py

@@ -1,40 +0,0 @@
-import gradio as gr
-import tensorflow as tf
-import numpy as np
-from transformers import BertTokenizer
-
-# حمِّل التوكنيزر من مجلد الملفات المرفوعة (هنا "." هو جذر الـ Space)
-tokenizer = BertTokenizer.from_pretrained(".")
-
-# حمِّل النموذج
-model = tf.keras.models.load_model("rnn_Bi.h5")
-
-MAX_LEN = 100                       # نفس الطول الذي استخدمته في التدريب
-label_map = {0: "Negative", 1: "Positive"}
-
-def predict_sentiment(text):
-    enc = tokenizer(
-        text,
-        padding="max_length",
-        truncation=True,
-        max_length=MAX_LEN,
-        return_tensors="tf"
-    )
-    # إن كان النموذج يأخذ input_ids فقط
-    preds = model.predict(enc["input_ids"])[0][0]
-
-    # لو مخرَج الموديل Sigmoid (قيمة بين 0‑1)
-    label = int(round(float(preds)))
-    conf  = preds if label == 1 else 1 - preds
-    return f"{label_map[label]}  (confidence ≈ {conf:.2%})"
-
-demo = gr.Interface(
-    fn=predict_sentiment,
-    inputs=gr.Textbox(lines=3, placeholder="اكتب جملة هنا…"),
-    outputs="text",
-    title="تحليل المشاعر (Bi‑RNN)",
-    description="يدعم إيجابي / سلبي فقط"
-)
-
-if __name__ == "__main__":
-    demo.launch()