hamzab/roberta-fake-news-classification

Para usar este modelo, primero descárgalo desde el sitio web de Hugging Face:

from transformers import AutoTokenizer, AutoModelForSequenceClassification

tokenizer = AutoTokenizer.from_pretrained('hamzab/roberta-fake-news-classification')

model = AutoModelForSequenceClassification.from_pretrained('hamzab/roberta-fake-news-classification')

Luego, haz una predicción de la siguiente manera:

import torch
def predict_fake(title, text):
    input_str = '' + title + '' + text + ''
    input_ids = tokenizer.encode_plus(input_str, max_length=512, padding='max_length', truncation=True, return_tensors='pt')
    device = 'cuda' if torch.cuda.is_available() else 'cpu'
    model.to(device)
    with torch.no_grad():
        output = model(input_ids['input_ids'].to(device), attention_mask=input_ids['attention_mask'].to(device))
    return dict(zip(['Falso', 'Real'], [x.item() for x in list(torch.nn.Softmax()(output.logits)[0])]))

print(predict_fake('',''))

También puedes usar Gradio para probar el modelo en tiempo real:

import gradio as gr
iface = gr.Interface(fn=predict_fake, inputs=[gr.inputs.Textbox(lines=1, label='titular'), gr.inputs.Textbox(lines=6, label='contenido')], outputs='label').launch(share=True)