👨‍💻Веб-приложение для предсказания эмоций с помощью Flask и ModelArts

Введение🚀

Привет всем 📢 , в этой статье мы рассмотрим, как создать приложение для прогнозирования эмоций с помощью Huawei Cloud ModelArts.

Анализ настроений играет решающую роль в понимании человеческого поведения и разработке различных приложений. Прогнозирование эмоций по тексту стало важной задачей при обработке естественного языка.

Интегрируя ModelArts и Flask, мы разработаем веб-систему, которая точно прогнозирует эмоции на основе текстовых сообщений.

Используемые услуги 👀

1. Служба хранения объектов (OBS)
2. МодельArts
3. Эластичный облачный сервер (ECS)

Подробности об услуге 🔨

Мы можем сделать наш проект, выполнив следующие шаги.

1️⃣ Создать набор данных

Для начала нам нужен набор данных для обучения нашей модели прогнозирования эмоций. Например, мы можем получить текстовый набор данных из Kaggle.

Классификация текстов Exeml пока поддерживает только китайский язык. Exeml получит больше языковой поддержки в ближайшие дни. Поэтому я перевел набор данных на китайский язык.

2️⃣ Загрузить набор данных в OBS

Я создал ведро в OBS и создал входные и выходные файлы. Затем я загрузил набор данных во входной файл в OBS.

3️⃣ Создать проект классификации текста

Далее мы перейдем к службе ModelArts ExeML и создадим модель классификации текста. В разделе ввода и вывода мы укажем путь к корзине OBS, которую мы создали ранее.

Мы видим созданный проект классификации текста exeml.

После создания проекта нам нужно пометить набор данных. Мы можем сделать это, перейдя в ModelArts › Управление данными › Наборы данных › «ваш набор данных» и создав задание маркировки.

Затем нажмите Добавить данные. В пути импорта мы вводим входной путь корзины, которую мы создали в OBS. Вы можете выбрать, будет ли набор данных помечен или не помечен. В соответствии с вашим набором данных выберите формат маркировки.

Набор данных был помечен .

После маркировки набора данных мы можем приступить к обучению модели. Процесс обучения предоставит нам ценные показатели для оценки производительности нашей модели.

Нажмите кнопку «Развернуть» и разверните свою модель.

После развертывания модели она публикуется как служба реального времени. Затем щелкните ModelArts › Service Deployment › Real-Time Services.

Мы тестируем нашу модель, и она успешно работает.

4️⃣ Создайте веб-приложение с Flask

Для взаимодействия с моделью Emotion Prediction мы создадим веб-приложение с использованием Flask. Flask — это веб-фреймворк Python, который позволит нам взаимодействовать с API Huawei Cloud ModelArts для прогнозирования.

Мы создадим внешний интерфейс веб-приложения, используя HTML, в частности, файлы index.html и result.html. Приложение Flask будет обрабатывать пользовательский ввод, делать запросы к Huawei Cloud ModelArts API и отображать прогнозируемую метку эмоций и оценки.

Фрагмент кода ниже демонстрирует структуру приложения Flask:

from flask import Flask, render_template, request
import requests
import json

app = Flask(__name__)


@app.route('/')
def index():
    return render_template('index.html')


@app.route('/predict', methods=['POST', 'GET'])
def predict():
    text = request.form['text']

    # Making a request to the Huawei Cloud ModelArts API
    api_url = 'your_api_url'
    headers = {'Content-Type': 'application/json',
               'x-auth-token': 'your_token'}

    data = {'text': text}
    response = requests.post(api_url, data=json.dumps(data), headers=headers)
    result = response.json()
    print(result)

    # Extract the predicted label and scores
    predicted_label = result['predicted_label']
    scores = result['scores']

    return render_template('result.html', predicted_label=predicted_label, scores=scores)


if __name__ == '__main__':
    app.run(debug=True, host='0.0.0.0', port=5000)

5️⃣ Запустите приложение

После создания Elastic Cloud Server (ECS) мы загрузим файлы приложения Flask на сервер. После загрузки файлов мы можем запустить приложение.

Когда мы вводим адрес приложения, нас приветствует страница входа.

Когда мы вводим случайный текст и отправляем его, он предсказывает нам метку.

Приложение успешно работает.

Вывод 🎈

В этой статье мы рассмотрели процесс создания веб-приложения Emotion Prediction с использованием Flask и Huawei Cloud ModelArts. Используя возможности классификации текста ModelArts и интегрировав их с Flask, мы смогли разработать систему, которая точно предсказывает эмоции на основе введенного текста.

👓Вы можете связаться со мной из моей учетной записи Linkedin для всех ваших вопросов и запросов.

Ссылки 📚

1- Облако OBS Huawei

2- Huawei Cloud ModelArts

3- Huawei Cloud ECS