app.py

# app.py
import os
from typing import Dict, List

import gradio as gr
import pandas as pd
import torch
import torch.nn as nn
from transformers import AutoTokenizer, BertPreTrainedModel, BertModel

class BertForCLSClassification(BertPreTrainedModel):
    def __init__(self, config):
        super().__init__(config)
        self.bert = BertModel(config)
        self.classifier = nn.Linear(config.hidden_size, config.num_labels)
        self.post_init()

    def forward(self, input_ids=None, token_type_ids=None, attention_mask=None, labels=None):
        outputs = self.bert(input_ids=input_ids, token_type_ids=token_type_ids, attention_mask=attention_mask)
        cls_output = outputs.last_hidden_state[:, 0, :]  # 跟你原本一樣
        logits = self.classifier(cls_output)
        return logits
    
# =========================
# 設定：模型位置 & HF 私有 Token（可選）
# =========================
# 若你把權重直接放在 Space 目錄（例如 config.json、model.safetensors、tokenizer 檔），
# 可把 MODEL_ID 改成 "." 以載入本地檔案。
MODEL_ID = "TAIDE-EDU/task4-level-judgement"
HF_TOKEN = os.getenv("HF_TOKEN", None)

device = "cuda" if torch.cuda.is_available() else "cpu"

# =========================
# 載入模型與 tokenizer
# =========================
def load_model_and_tokenizer():
    kwargs = {}
    if HF_TOKEN and MODEL_ID != ".":
        kwargs["token"] = HF_TOKEN
    tokenizer = AutoTokenizer.from_pretrained(MODEL_ID, **kwargs)
    model = BertForCLSClassification.from_pretrained(MODEL_ID, **kwargs).to(device)
    model.eval()
    # 從 config 取 id2label；若缺少則提供預設
    id2label = getattr(model.config, "id2label", None) or {0: "入門基礎", 1: "進階高階", 2: "流利精通"}
    # 依 id 排序成 list 方便顯示順序穩定
    ordered_labels = [id2label[i] if i in id2label else str(i) for i in range(len(id2label))]
    return model, tokenizer, ordered_labels

model, tokenizer, ordered_labels = load_model_and_tokenizer()

MAX_LEN = 512
try:
    if model is not None:
        MAX_LEN = min(getattr(model.config, "max_position_embeddings", 512) or 512, 512)
except Exception:
    pass

# =========================
# 推論邏輯（任務0：程度等級分布）
# =========================
def class_judgement(text: str) -> dict:
    """回傳任務0的機率分布（字串，美觀顯示於 Label）。"""
    if not text or not text.strip():
        return "（請輸入或從下方表格點選範例）"

    batch = tokenizer(
        [text],
        max_length=MAX_LEN,
        padding=True,
        truncation=True,
        return_tensors="pt",
    )
    batch = {k: v.to(device) for k, v in batch.items()}
    with torch.no_grad():
        output = model(**batch)
        print(output.shape)
        probs = torch.softmax(output, dim=-1)[0].tolist()

    # 轉成「label: prob」並格式化為多行字串
    predictions = {}
    for i, lab in enumerate(ordered_labels):
        p = probs[i] if i < len(probs) else 0.0
        predictions[lab] = p
    return predictions

# =========================
# 範例資料（只放兩個）
# - 閱讀測驗：id=1
# - 克漏字：  id=2
# =========================
headers = ['id', '範例']

reading_article = (
    "文章:\n"
    "我家旁邊有一個公園，公園裡有高高的樹和很多花。早上常常有小鳥在唱歌，"
    "小孩也喜歡去那裡玩。下雨以後，空氣會變得很新鮮。我和媽媽有時會一起去公園走路，"
    "看天上的雲，覺得很快樂。\n\n"
    "題目:\n"
    "1.這篇文章主要在介紹什麼地方?\n"
    "(A)我家旁邊的公園\n"
    "(B)我學校附近的商店\n"
    "(C)我媽媽的工作地點\n"
    "(D)小孩最想去的玩具店\n"
)

cloze_text = (
    "陳老師在大學教書已經十年了，他一直認為，學生除了學會課本上的知識，"
    "更重要的是學會__1__和別人合作。每學期開始前，他都會__2__一個小組討論的主題，"
    "讓學生們分組進行研究。每個組員要分工合作，有的人負責收集資料，有的人負責__3__和報告，"
    "大家__4__幫忙，才能完成老師的要求。有時候小組成員之間會出現意見不同的情況，"
    "陳老師總是__5__他們耐心溝通，學會傾聽別人的想法。他相信，這樣的經歷__6__能提升學生的能力，"
    "__6__會對他們未來的工作和生活有很大幫助。\n"
    "1.\n(A)既然\n(B)如何\n(C)常常\n(D)但是\n"
    "2.\n(A)放棄\n(B)安排\n(C)要求\n(D)修理\n"
    "3.\n(A)整理\n(B)傳達\n(C)指導\n(D)販賣\n"
    "4.\n(A)故意\n(B)互相\n(C)分別\n(D)偶爾\n"
    "5.\n(A)鼓勵\n(B)懷疑\n(C)責罵\n(D)批評\n"
    "6.\n(A)不僅⋯⋯還⋯⋯\n(B)與其⋯⋯不如⋯⋯\n(C)要麼⋯⋯要麼⋯⋯\n(D)只有⋯⋯才⋯⋯\n"
)

# 兩個表只各放一列（id=1 與 id=2），其他欄位填空字串即可
reading_samples = [
    [1, reading_article],
]
filling_samples = [
    [2, cloze_text],
]
reading_test_df = pd.DataFrame(reading_samples, columns=headers)
filling_test_df = pd.DataFrame(filling_samples, columns=headers)

# 點選表格時要填入的實際「完整 Prompt」內容
reading_test_id2data_str: Dict[int, str] = {1: reading_article}
filling_test_id2data_str: Dict[int, str] = {2: cloze_text}

# =========================
# 表格點選事件
# =========================
def on_row_select(evt: gr.SelectData, df: pd.DataFrame) -> str:
    """回傳應填入 Textbox 的完整文字。"""
    # evt.index 可能是 int 或 [int]；統一成 int
    row_idx = evt.index[0] if isinstance(evt.index, (list, tuple)) else evt.index
    row = df.iloc[int(row_idx)]
    row_id = int(row["id"])
    if row_id in reading_test_id2data_str.keys():
        # 閱讀測驗
        return reading_test_id2data_str[row_id]
    else:
        # 克漏字
        return filling_test_id2data_str[row_id]

# =========================
# Gradio 介面
# =========================
with gr.Blocks(title="class_judgement") as demo:
    gr.Markdown("## 華測會等級分類器（任務0 Demo）\n從下方**範例表**點選一列，系統會自動帶入並推論。")

    with gr.Row():
        inp = gr.Textbox(label="輸入文章", lines=12, placeholder="也可手動貼文後按下『送出』")
        btn = gr.Button("送出", variant="primary")

    with gr.Row():
        out0 = gr.Label(label="任務0：程度等級分布")

    # 閱讀測驗範例表（只 1 列）
    table_reading = gr.Dataframe(
        value=reading_test_df,
        headers=headers,
        row_count=(len(reading_test_df), "fixed"),
        col_count=len(headers),
        interactive=False,
        wrap=True,
        label="閱讀測驗範例表（點選帶入）"
    )

    table_reading.select(
        on_row_select,
        inputs=table_reading,
        outputs=[inp]
    )

    # 克漏字範例表（只 1 列）
    table_filling = gr.Dataframe(
        value=filling_test_df,
        headers=headers,
        row_count=(len(filling_test_df), "fixed"),
        col_count=len(headers),
        interactive=False,
        wrap=True,
        label="克漏字填空範例表（點選帶入）"
    )

    table_filling.select(
        on_row_select,
        inputs=table_filling,
        outputs=[inp]
    )

    # 手動輸入或點範例帶入後，按「送出」只輸出任務0
    btn.click(
        class_judgement,
        inputs=inp,
        outputs=[out0]
    )

# 建立完 demo 後
demo.queue(max_size=32)

if __name__ == "__main__":
    demo.launch()