README.md

metadata

title: SLM Sentiment & QA Demo
emoji: 🧠
colorFrom: indigo
colorTo: blue
sdk: streamlit
sdk_version: 1.35.0
app_file: app.py
pinned: false
license: mit
short_description: Detección sentimiento con SLM (DistilBERT, FLAN-T5)

Detección sentimiento con SLM (DistilBERT, FLAN-T5)

Este proyecto muestra cómo entrenar, probar y desplegar modelos de lenguaje pequeños (SLM) para análisis de sentimiento y respuesta a preguntas usando Hugging Face Transformers, PyTorch y Streamlit. Incluye una app interactiva lista para Hugging Face Spaces.

Requisitos

• Python 3.8 o superior
• Acceso a internet para descargar modelos preentrenados
• Para la app web: Streamlit

Instalación de dependencias

Instala todas las dependencias necesarias ejecutando:

pip install -r requirements.txt

El archivo requirements.txt incluye:

• transformers[torch]
• torch
• streamlit
• datasets, evaluate, scikit-learn, accelerate

Ejecución paso a paso (entrenamiento y prueba local)

1. Clona o descarga este repositorio y entra en la carpeta del proyecto.
2. (Opcional) Crea y activa un entorno virtual:
   • Windows:

     python -m venv .venv
     .venv\Scripts\activate
     

   • Linux/Mac:

     python3 -m venv .venv
     source .venv/bin/activate
     

3. Instala las dependencias:

   pip install -r requirements.txt
   

4. Entrena y prueba el modelo:

   python train_sentiment_model.py
   

5. Ejecuta la app Streamlit localmente:

   streamlit run app.py
   

Despliegue en Hugging Face Spaces

Puedes desplegar la app web en Hugging Face Spaces siguiendo estos pasos:

1. Sube los archivos app.py y requirements.txt a tu nuevo Space (tipo Streamlit) en Hugging Face.
2. (Opcional) Añade este README.md para documentar tu Space.
3. El Space detectará automáticamente app.py y lanzará la app.

Nota: Si tu modelo fine-tuned es privado, asegúrate de que el Space tenga acceso o hazlo público.

Ejecución local rápida

streamlit run app.py

Notas

• El script train_sentiment_model.py entrena y evalúa el modelo fine-tuned.
• El archivo app.py es la app web para Spaces y para ejecución local.
• Si tienes problemas con dependencias, asegúrate de tener la última versión de pip: pip install --upgrade pip.
• El entrenamiento es rápido porque el dataset es pequeño y el modelo es ligero.

---

---

Autores:

• Juan Domingo (GitHub)
• Juan Carlos Macías (GitHub)