Update app.py

app.py

@@ -52,7 +52,7 @@ tokenizer = AutoTokenizer.from_pretrained('hiiamsid/BETO_es_binary_classificatio
 model = AutoModelForSequenceClassification.from_pretrained(
     'hackathon-pln-es/unam_tesis_BETO_finnetuning', num_labels=5, output_attentions=False, output_hidden_states=False)
 #pipe = TextClassificationPipeline(model=model, tokenizer=tokenizer, return_all_scores=True)
-pipe = pipeline (model='hackathon-pln-es/unam_tesis_BETO_finnetuning') 
+pipe = pipeline ("text-classification", model='hackathon-pln-es/unam_tesis_BETO_finnetuning') 
 #classificationResult = pipe("El objetivo de esta tesis es elaborar un estudio de las condiciones asociadas al aprendizaje desde casa.")
 
 
@@ -76,7 +76,7 @@ examples = [
     ["los  derivados  de la  serie  LCG presentaron actividad  citotóxica contra  las  líneas celulares SK-LU-1 y SW620"]
 ]
 
-gr.Interface(fn=thesis_prediction, inputs=[gr.inputs.Textbox(label="Título o frase:", placeholder="Ingrese de favor el título de la tesis o un fragmento de esta."),], outputs=[gr.outputs.HTML(label="La tesis pertenece a la carrera de: ",)], title=title, description=description, article=article, examples=examples).launch()
+#gr.Interface(fn=thesis_prediction, inputs=[gr.inputs.Textbox(label="Título o frase:", placeholder="Ingrese de favor el título de la tesis o un fragmento de esta."),], outputs=[gr.outputs.HTML(label="La tesis pertenece a la carrera de: ",)], title=title, description=description, article=article, examples=examples).launch()
 #gr.Interface(fn=thesis_prediction, inputs=[gr.inputs.Textbox(label="Título o frase:", placeholder="Ingrese de favor el título de la tesis o un fragmento de esta."),], outputs="keyClass", title=title, description=description, article=article, examples=examples).launch()
 #gr.Interface.load('huggingface/hackathon-pln-es/unam_tesis_BETO_finnetuning', placeholder="Ingrese de favor el título de la tesis o un fragmento de esta.", title=title, description=description, article=article, examples=examples).launch()
-#gr.Interface.from_pipeline(pipe, title=title, description=description, article=article, examples=examples).launch()
+gr.Interface.from_pipeline(pipe, title=title, description=description, article=article, examples=examples).launch()