Spaces:
Sleeping
Sleeping
Upload README.md
Browse files
README.md
CHANGED
@@ -1,20 +1,87 @@
|
|
1 |
-
|
2 |
-
|
3 |
-
|
4 |
-
|
5 |
-
|
6 |
-
|
7 |
-
|
8 |
-
|
9 |
-
-
|
10 |
-
|
11 |
-
|
12 |
-
|
13 |
-
|
14 |
-
|
15 |
-
|
16 |
-
|
17 |
-
|
18 |
-
|
19 |
-
|
20 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
|
2 |
+
# Detección sentimiento con SLM (DistilBERT, FLAN-T5)
|
3 |
+
|
4 |
+
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.
|
5 |
+
|
6 |
+
|
7 |
+
## Requisitos
|
8 |
+
|
9 |
+
- Python 3.8 o superior
|
10 |
+
- Acceso a internet para descargar modelos preentrenados
|
11 |
+
- Para la app web: Streamlit
|
12 |
+
|
13 |
+
|
14 |
+
## Instalación de dependencias
|
15 |
+
|
16 |
+
Instala todas las dependencias necesarias ejecutando:
|
17 |
+
|
18 |
+
```bash
|
19 |
+
pip install -r requirements.txt
|
20 |
+
```
|
21 |
+
|
22 |
+
El archivo `requirements.txt` incluye:
|
23 |
+
- transformers[torch]
|
24 |
+
- torch
|
25 |
+
- streamlit
|
26 |
+
- datasets, evaluate, scikit-learn, accelerate
|
27 |
+
|
28 |
+
|
29 |
+
## Ejecución paso a paso (entrenamiento y prueba local)
|
30 |
+
|
31 |
+
1. **Clona o descarga este repositorio y entra en la carpeta del proyecto.**
|
32 |
+
2. **(Opcional) Crea y activa un entorno virtual:**
|
33 |
+
- **Windows:**
|
34 |
+
```powershell
|
35 |
+
python -m venv .venv
|
36 |
+
.venv\Scripts\activate
|
37 |
+
```
|
38 |
+
- **Linux/Mac:**
|
39 |
+
```bash
|
40 |
+
python3 -m venv .venv
|
41 |
+
source .venv/bin/activate
|
42 |
+
```
|
43 |
+
3. **Instala las dependencias:**
|
44 |
+
```bash
|
45 |
+
pip install -r requirements.txt
|
46 |
+
```
|
47 |
+
4. **Entrena y prueba el modelo:**
|
48 |
+
```bash
|
49 |
+
python train_sentiment_model.py
|
50 |
+
```
|
51 |
+
5. **Ejecuta la app Streamlit localmente:**
|
52 |
+
```bash
|
53 |
+
streamlit run app.py
|
54 |
+
```
|
55 |
+
|
56 |
+
|
57 |
+
## Despliegue en Hugging Face Spaces
|
58 |
+
|
59 |
+
Puedes desplegar la app web en Hugging Face Spaces siguiendo estos pasos:
|
60 |
+
|
61 |
+
1. Sube los archivos `app.py` y `requirements.txt` a tu nuevo Space (tipo Streamlit) en Hugging Face.
|
62 |
+
2. (Opcional) Añade este `README.md` para documentar tu Space.
|
63 |
+
3. El Space detectará automáticamente `app.py` y lanzará la app.
|
64 |
+
|
65 |
+
**Nota:** Si tu modelo fine-tuned es privado, asegúrate de que el Space tenga acceso o hazlo público.
|
66 |
+
|
67 |
+
### Ejecución local rápida
|
68 |
+
|
69 |
+
```bash
|
70 |
+
streamlit run app.py
|
71 |
+
```
|
72 |
+
|
73 |
+
|
74 |
+
## Notas
|
75 |
+
- El script `train_sentiment_model.py` entrena y evalúa el modelo fine-tuned.
|
76 |
+
- El archivo `app.py` es la app web para Spaces y para ejecución local.
|
77 |
+
- Si tienes problemas con dependencias, asegúrate de tener la última versión de pip: `pip install --upgrade pip`.
|
78 |
+
- El entrenamiento es rápido porque el dataset es pequeño y el modelo es ligero.
|
79 |
+
|
80 |
+
---
|
81 |
+
|
82 |
+
|
83 |
+
---
|
84 |
+
|
85 |
+
**Autores:**
|
86 |
+
- Juan Domingo ([GitHub](https://github.com/jdomdev))
|
87 |
+
- Juan Carlos Macías ([GitHub](https://github.com/juancmacias))
|