Update app.py

app.py

@@ -1,25 +1,23 @@
-import torch
-from transformers import AutoTokenizer, AutoModelForSequenceClassification
-import gradio as gr
-
-tokenizer = AutoTokenizer.from_pretrained("hugfaceguy0001/AITextDetector")
-model = AutoModelForSequenceClassification.from_pretrained("hugfaceguy0001/AITextDetector").to("cuda")
-def detect_text(text):
-    with torch.no_grad():
-        inputs = tokenizer(text, return_tensors="pt").to("cuda")
-        logits = model(**inputs).logits
-        probs = torch.nn.functional.softmax(logits)[0,:]
-        labels = {model.config.id2label[i]:float(probs[i]) for i in range(3)}
-        labels = dict(sorted(labels.items(),key=lambda x:x[1],reverse=True))
-    return labels
-
-myexamples = ["黑神话这个游戏，你喷它优化、喷它地图、喷它空气墙、喷它战斗、喷它剧情；这些东西不管我自己觉得有没有喷一下的必要，可也都或多或少的能理解它为什么被喷的原因。", 
-        "加密通信助长犯罪的说法并不成立，理由如下：隐私权的基本保障：加密技术保障了个人和组织的隐私权，这是基本人权的一部分。无论是个人的日常通信、商业机密，还是新闻记者的来源保护，加密通信都在确保合法和正当的隐私需求不被侵犯。"]
-
-demo = gr.Interface(fn=detect_text,
-             inputs=gr.Text(label="请输入待检测的文本:"),
-             outputs=gr.Label(num_top_classes=3),
-             examples=myexamples
-            )
-
+from transformers import AutoTokenizer, AutoModelForSequenceClassification
+import gradio as gr
+
+tokenizer = AutoTokenizer.from_pretrained("hugfaceguy0001/AITextDetector")
+model = AutoModelForSequenceClassification.from_pretrained("hugfaceguy0001/AITextDetector")
+def detect_text(text):
+    inputs = tokenizer(text, return_tensors="pt")
+    logits = model(**inputs).logits
+    probs = torch.nn.functional.softmax(logits)[0,:]
+    labels = {model.config.id2label[i]:float(probs[i]) for i in range(3)}
+    labels = dict(sorted(labels.items(),key=lambda x:x[1],reverse=True))
+    return labels
+
+myexamples = ["黑神话这个游戏，你喷它优化、喷它地图、喷它空气墙、喷它战斗、喷它剧情；这些东西不管我自己觉得有没有喷一下的必要，可也都或多或少的能理解它为什么被喷的原因。", 
+        "加密通信助长犯罪的说法并不成立，理由如下：隐私权的基本保障：加密技术保障了个人和组织的隐私权，这是基本人权的一部分。无论是个人的日常通信、商业机密，还是新闻记者的来源保护，加密通信都在确保合法和正当的隐私需求不被侵犯。"]
+
+demo = gr.Interface(fn=detect_text,
+             inputs=gr.Text(label="请输入待检测的文本:"),
+             outputs=gr.Label(num_top_classes=3),
+             examples=myexamples
+            )
+
 demo.launch()