Upload app.py

app.py

@@ -37,7 +37,7 @@ orange = [197/255, 90/255, 17/255]
 
 
 # Pipelines definieren
-en_de_translator = pipeline("translation_de_to_en", model='google/bert2bert_L-24_wmt_de_en')
+#en_de_translator = pipeline("translation_de_to_en", model='google/bert2bert_L-24_wmt_de_en')
 qa_pipeline = pipeline("question-answering", model='deepset/gelectra-base-germanquad')
 sentiment = pipeline("text-classification", model='oliverguhr/german-sentiment-bert')
 
@@ -47,7 +47,7 @@ tab1, tab2, tab3, tab4 = st.tabs(
 
 with tab1:
     st.markdown(
-        'Definieren Sie ein neuronales Netz und beobachten Sie wie sich die Kurve krümmen kann um die Daten zu fitten')
+        'Definieren Sie ein neuronales Netz und beobachten Sie wie sich die Kurve krümmen kann, um die Daten zu fitten')
 
     col1, col2 = tab1.columns(2)
     size = np.array([12., 27., 32., 47., 58., 56., 58., 61.,
@@ -155,7 +155,7 @@ with tab1:
 with tab2:
 
     st.markdown(
-        'Definieren Sie Sätze, die positiv oder negativ gestimmt sind und beobachten Sie die resultieren Wort-Vektoren.')
+        'Definieren Sie Sätze, die positiv oder negativ gestimmt sind und beobachten Sie die resultierenden Wort-Vektoren.')
 
     text_input_2 = '1: Das schöne Allgäu\n' + \
         '1: So toll hier im Allgäu\n' + \
@@ -203,7 +203,7 @@ with tab2:
             model.compile(optimizer='adam', loss='binary_crossentropy',
                           metrics=['accuracy'])
 
-            model.fit(text, labels, epochs=2000, verbose=2)
+            model.fit(text, labels, epochs=2000, verbose=False)
 
             # Word Vektoren grafisch darstellen
             cb = [15/255, 25/255, 35/255]
@@ -264,7 +264,7 @@ with tab2:
 with tab3:
 
     st.markdown(
-        'Definieren Sie Sätze bei denen beliebige Wörter maskiert werden, um allgemeine Bezüge in Wort-Vektoren aabzubilden.')
+        'Definieren Sie Sätze bei denen beliebige Wörter maskiert werden, um allgemeine Bezüge in Wort-Vektoren abzubilden.')
 
     text_input = 'Das schöne Allgäu\n' + \
         'Das wunderbare Allgäu\n' + \
@@ -369,22 +369,6 @@ with tab4:
     #st.text("Übersetzung: Deutsch --> Englisch")
     st.markdown('Probieren Sie verschiedene Pipelines der Transformer-Bibliothek von HuggingFace.')
 
-    text_input_3 = 'Wir ünterstützen Unternehmen bei der Datenanalyse durch individuelle Beratung und Projekte mit besonderem Fokus auf maschinelles Lernen und Deep Learning.'
-
-    string_3 = st.text_area('Übersetzung: Deutsch --> Englisch', value=text_input_3, height=75)
-
-    if st.button('Ein fertig trainiertes Transformer-Modell von HuggingFace anwenden', key=3):
-        with st.spinner('Die Übersetzung kann einige Sekunden dauern ...'):
-
-            a5 = en_de_translator(string_3)
-            st.text(a5)
-
-    #########################################################
-    st.text('')
-    st.markdown("""<hr style="height:10px;border:none;color:#333;background-color:#333;" /> """,
-                unsafe_allow_html=True)
-    st.text('')
-
     text_input_4 = 'Was ist der Schwerpunkt?'
 
     string_4 = st.text_area('Frage zum Kontext beantworten', value=text_input_4, height=25)
@@ -400,12 +384,13 @@ with tab4:
             st.text(a5)
 
     ############################################################
+
     st.text('')
     st.markdown("""<hr style="height:10px;border:none;color:#333;background-color:#333;" /> """,
                 unsafe_allow_html=True)
     st.text('')
 
-    text_input_7 = 'Wir lieben Data Science.'
+    text_input_7 = 'Wir lieben Data Science!'
 
     string_7 = st.text_area('Stimmungsanalyse', value=text_input_7, height=25)
 
@@ -413,16 +398,15 @@ with tab4:
         with st.spinner('Die Beurteilung der Stimmung kann einige Sekunden dauern ...'):
 
             a5 = sentiment(string_7)
-            print(a5[0]['label'])
+            st.text(a5[0]['label'])
 
+    ############################################################
     st.text('')
     st.markdown("""<hr style="height:10px;border:none;color:#333;background-color:#333;" /> """,
                 unsafe_allow_html=True)
     st.text('')
 
     references = 'Verwendete Modelle:\n' + \
-        '\nÜbersetzung:\n' + \
-        'google/bert2bert_L-24_wmt_de_en, Autoren: Sascha Rothe, Shashi Narayan, Aliaksei Severyn' + \
         '\n\nFrage beantworten:\n' + \
         'deepset/gelectra-base-germanquad, Autoren: Timo Möller, Julian Risch, Malte Pietsch' + \
         '\n\nStimmung:\n' + \