Update app.py

app.py

@@ -26,8 +26,8 @@ labels = ["не токсичный", "оскорбляющий", "неприст
 def text2toxicity(text, aggregate=True):
     """ Calculate toxicity of a text (if aggregate=True) or a vector of toxicity aspects (if aggregate=False)"""
     with torch.no_grad():
-        inputs = tokenizer(text, return_tensors='pt', truncation=True, padding=True).to(model.device)
-        proba = torch.sigmoid(model(**inputs).logits).cpu().numpy()
+        inputs = toxicity_tokenizer(text, return_tensors='pt', truncation=True, padding=True).to(toxicity_model.device)
+        proba = torch.sigmoid(toxicity_model(**inputs).logits).cpu().numpy()
     
     if isinstance(text, str):
         proba = proba[0]
@@ -35,7 +35,6 @@ def text2toxicity(text, aggregate=True):
     if aggregate:
         return 1 - proba.T[0] * (1 - proba.T[-1])
     else:
-        # Добавленный блок кода
         result = {}
         for label, prob in zip(labels, proba):
             result[label] = prob
@@ -112,7 +111,7 @@ def page_toxicity_analysis():
         elapsed_time = time.time() - start_time
         
         for label, prob in probs.items():
-            st.write(f"Вероятность {label}: {prob:.4f}")
+            st.write(f"Вероятность того что комментарий {label}: {prob:.4f}")
 
 
 def main():