perv.py

import streamlit as st
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from pathlib import Path
import time
import torch
import pickle
from transformers import AutoTokenizer, BertForSequenceClassification
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import LabelEncoder
from sklearn.metrics import f1_score, accuracy_score
import torch.nn as nn
from torch.nn.utils.rnn import pack_padded_sequence, pad_packed_sequence
import json
# from torch.serialization import safe_globals
from sklearn.preprocessing import LabelEncoder

def run():
    def preprocess_text(text):
        if not isinstance(text, str):
            return ""
        return text.lower().replace('\n', ' ').replace('\r', ' ').strip()

    # Класс для Classical ML модели
    class ClassicalML:
        def __init__(self):
            self.pipeline = None
            self.label_encoder = None
        
        def predict(self, X):
            start_time = time.time()
            preds = self.pipeline.predict(X)
            return self.label_encoder.inverse_transform(preds), time.time() - start_time

    checkpoint = torch.load('lstm/model.pt', map_location=torch.device('cpu'))

    class Attention(nn.Module):
        def __init__(self, hidden_dim):
            super().__init__()
            self.attention = nn.Linear(hidden_dim, 1)  # Простой линейный слой
        
        def forward(self, lstm_output):
            # lstm_output shape: [batch_size, seq_len, hidden_dim]
            attention_weights = torch.softmax(self.attention(lstm_output).squeeze(-1), dim=1)
            context = torch.bmm(attention_weights.unsqueeze(1), lstm_output).squeeze(1)
            return context
        
    # Класс для LSTM модели
    class LSTMTrainer:
        def __init__(self):
            self.model = None
            self.vocab = None
            self.label_encoder = None
            self.device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
        
        def predict(self, X):
            self.model.eval()
            preds = []
            start_time = time.time()
            with torch.no_grad():
                for text in X:
                    tokens = preprocess_text(text).split()
                    seq = [self.vocab.get(token, 0) for token in tokens]
                    if not seq:
                        seq = [0]
                    text_tensor = torch.tensor(seq, dtype=torch.long).unsqueeze(0).to(self.device)
                    length_tensor = torch.tensor([len(seq)], dtype=torch.long)
                    output = self.model(text_tensor, length_tensor)
                    preds.append(torch.argmax(output).item())
            return self.label_encoder.inverse_transform(preds), time.time() - start_time
        
        @classmethod
        def load(cls, path='lstm'):
            checkpoint = torch.load(
                f'{path}/model.pt',
                map_location=torch.device('cpu'),
                weights_only=False
            )
            
            model = cls()
            model.vocab = checkpoint['vocab']
            model.label_encoder = checkpoint['label_encoder']
            
            # Инициализация модели
            model.model = LSTMModel(
                len(model.vocab),
                checkpoint['embed_dim'],
                checkpoint['hidden_dim'],
                len(model.label_encoder.classes_)
            ).to(model.device)
            
            # Адаптация state_dict
            state_dict = checkpoint['model_state_dict']
            new_state_dict = {}
            
            for key, value in state_dict.items():
                if key.startswith('attention.attention.'):
                    # Преобразуем ключи для соответствия Sequential
                    if 'weight' in key:
                        new_key = key.replace('attention.attention.', 'attention.attention.0.')
                    elif 'bias' in key:
                        new_key = key.replace('attention.attention.', 'attention.attention.0.')
                    new_state_dict[new_key] = value
                else:
                    new_state_dict[key] = value
            
            model.model.load_state_dict(new_state_dict, strict=False)
            return model

    # Класс для BERT модели
    class BERTClassifier:
        def __init__(self):
            self.device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
            self.tokenizer = None
            self.model = None
            self.label_encoder = None
        
        def predict(self, X):
            self.model.eval()
            preds = []
            start_time = time.time()
            with torch.no_grad():
                for text in X:
                    inputs = self.tokenizer(
                        text,
                        padding=True,
                        truncation=True,
                        max_length=128,
                        return_tensors="pt"
                    ).to(self.device)  # Перемещаем входные данные на то же устройство, что и модель
                    outputs = self.model(**inputs)
                    preds.append(torch.argmax(outputs.logits).item())
            return self.label_encoder.inverse_transform(preds), time.time() - start_time

    # Функция для визуализации attention
    def plot_attention(text, model, tokenizer):
        inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=128)
        outputs = model(**inputs, output_attentions=True)
        attention = outputs.attentions[-1].squeeze(0).mean(dim=0)
        tokens = tokenizer.convert_ids_to_tokens(inputs['input_ids'][0])
        
        plt.figure(figsize=(10, 8))
        sns.heatmap(attention.detach().cpu().numpy(), 
                    xticklabels=tokens, 
                    yticklabels=tokens,
                    cmap="YlGnBu")
        plt.title("Attention Scores")
        st.pyplot(plt)

    @st.cache_resource
    def load_models():
        # Classical ML
        classical_ml = ClassicalML()
        with open('ml/pipeline.pkl', 'rb') as f:
            classical_ml.pipeline = pickle.load(f)
        with open('ml/label_encoder.pkl', 'rb') as f:
            classical_ml.label_encoder = pickle.load(f)
        
        # LSTM (с обработкой ошибки весов)
        lstm = LSTMTrainer()
        try:
            # Пробуем загрузить с weights_only=True (безопасный вариант)
            checkpoint = torch.load(
                'lstm/model.pt',
                map_location=torch.device('cpu'),  # Явно указываем CPU
                weights_only=True
            )
        except:
            # Если не получилось, загружаем с явным разрешением LabelEncoder
            with safe_globals([LabelEncoder]):
                checkpoint = torch.load(
                    'lstm/model.pt',
                    map_location=torch.device('cpu'),  # Явно указываем CPU
                    weights_only=False
                )

        lstm.vocab = checkpoint['vocab']
        lstm.label_encoder = checkpoint['label_encoder']
        lstm.model = LSTMModel(
            len(lstm.vocab),
            checkpoint['embed_dim'],
            checkpoint['hidden_dim'],
            len(lstm.label_encoder.classes_)
        ).to(lstm.device)  # Модель будет перенесена на устройство (CPU или GPU)
        lstm.model.load_state_dict(checkpoint['model_state_dict'])
        
        # BERT
        bert = BERTClassifier()
        bert.tokenizer = AutoTokenizer.from_pretrained('bert1')
        bert.model = BertForSequenceClassification.from_pretrained('bert1')
        bert.model.to(bert.device)  # Перемещаем модель на нужное устройство после загрузки
        with open('bert1/label_encoder.pkl', 'rb') as f:
            bert.label_encoder = pickle.load(f)
            
        return classical_ml, lstm, bert

    # Класс LSTM модели (добавлен для полноты)
    class LSTMModel(nn.Module):
        def __init__(self, vocab_size, embed_dim, hidden_dim, output_dim):
            super().__init__()
            self.embedding = nn.Embedding(vocab_size, embed_dim)
            self.lstm = nn.LSTM(embed_dim, hidden_dim, batch_first=True)
            self.attention = Attention(hidden_dim)
            self.fc = nn.Linear(hidden_dim, output_dim)
            self.dropout = nn.Dropout(0.5)
        
        def forward(self, text, lengths):
            embedded = self.embedding(text)
            packed = pack_padded_sequence(
                embedded, 
                lengths.cpu(),  # Убедимся, что lengths на CPU
                batch_first=True, 
                enforce_sorted=False
            )
            packed_output, (hidden, cell) = self.lstm(packed)
            output, _ = pad_packed_sequence(packed_output, batch_first=True)
            context = self.attention(output)
            return self.fc(self.dropout(context))

    # Основное приложение
    def main():
        st.title("Анализ отзывов медицинских учреждений")
        
        # Загрузка моделей
        classical_ml, lstm, bert = load_models()
        
        # Примерные метрики (замените на реальные из вашего обучения)
        metrics = {
            'Classical ML': {'f1_macro': 0.85, 'inference_time': 0.01},
            'LSTM': {'f1_macro': 0.87, 'inference_time': 0.12},
            'BERT': {'f1_macro': 0.92, 'inference_time': 0.05}
        }
        metrics_df = pd.DataFrame.from_dict(metrics, orient='index')
        
        # Поле ввода текста
        user_input = st.text_area("Введите ваш отзыв:", "Очень хорошая клиника, внимательные врачи")
        
        if st.button("Проанализировать отзыв"):
            if user_input:
                # Добавляем категорию для совместимости
                input_with_category = f"Поликлиники стоматологические {user_input}"
                
                with st.spinner('Обработка...'):
                    # Получаем предсказания
                    ml_pred, ml_time = classical_ml.predict([input_with_category])
                    lstm_pred, lstm_time = lstm.predict([input_with_category])
                    bert_pred, bert_time = bert.predict([input_with_category])
                
                # Вывод результатов в три колонки
                col1, col2, col3 = st.columns(3)
                
                with col1:
                    st.subheader("Classical ML")
                    st.metric("Предсказание", ml_pred[0])
                    st.metric("Время (сек)", f"{ml_time:.4f}")
                
                with col2:
                    st.subheader("LSTM")
                    st.metric("Предсказание", lstm_pred[0])
                    st.metric("Время (сек)", f"{lstm_time:.4f}")
                
                with col3:
                    st.subheader("BERT")
                    st.metric("Предсказание", bert_pred[0])
                    st.metric("Время (сек)", f"{bert_time:.4f}")
                
                # Визуализация attention для BERT
                st.header("Attention-механизм BERT")
                plot_attention(user_input, bert.model, bert.tokenizer)
        
        # Сравнительная таблица метрик
        st.header("Сравнение моделей")
        st.dataframe(metrics_df.style.highlight_max(axis=0))
        
        # Графики метрик
        st.header("Визуализация метрик")
        fig, ax = plt.subplots(1, 2, figsize=(15, 5))
        
        # График F1-score
        metrics_df['f1_macro'].plot(kind='bar', ax=ax[0], color='skyblue')
        ax[0].set_title('F1-macro score')
        ax[0].set_ylabel('Score')
        
        # График времени предсказания
        metrics_df['inference_time'].plot(kind='bar', ax=ax[1], color='salmon')
        ax[1].set_title('Время предсказания (сек)')
        ax[1].set_ylabel('Seconds')
        
        st.pyplot(fig)

    if __name__ == "__main__":
        main()