Documentation 1

Author: SalimM21

README.md

@@ -1,2 +1,136 @@
 # SentimentAPI_D-ploim-HuggingFace-project
 Développement d’une API d’analyse de sentiments recevant un texte et retournant, automatiquement et clairement, un résultat positif ou négatif accompagné d’un score de confiance. L’API est conteneurisée (Docker) et déployée publiquement en ligne sur Hugging Face Spaces ; une page HTML minimale permet de la tester rapidement.
+
+# 🚀 Sentiment Analysis API (FastAPI + Hugging Face)
+
+Cette application fournit une **API REST** et une **page web de test** pour analyser le sentiment (positif/négatif) d’un texte en utilisant un modèle Hugging Face (`distilbert-base-uncased-finetuned-sst-2-english`).
+
+---
+
+## 📂 Structure du projet
+
+```
+├── app/
+│   ├── main.py           # Application FastAPI
+│   └── static/
+│       └── index.html    # Page test frontend
+├── requirements.txt      # Dépendances Python
+├── Dockerfile            # Image Docker
+├── README.md             # Documentation
+```
+
+---
+
+## ⚙️ Installation locale
+
+### 1. Créer un environnement virtuel
+```bash
+python3 -m venv venv
+source venv/bin/activate
+```
+
+### 2. Installer les dépendances
+```bash
+pip install --upgrade pip
+pip install -r requirements.txt
+```
+
+### 3. Lancer l’API
+```bash
+uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload
+```
+
+---
+
+## 🐳 Déploiement avec Docker
+
+### 1. Construire l’image
+```bash
+docker build -t sentiment-api .
+```
+
+### 2. Lancer le conteneur
+```bash
+docker run -p 8000:8000 sentiment-api
+```
+
+L’API sera accessible sur :  
+👉 [http://localhost:8000](http://localhost:8000)  
+
+---
+
+## 🌐 Déploiement sur Hugging Face Spaces
+
+### 1. Créer un nouveau Space
+- Aller sur [Hugging Face Spaces](https://huggingface.co/spaces)
+- Créer un espace **type Docker**
+- Uploader les fichiers du projet (`app/`, `requirements.txt`, `Dockerfile`, `README.md`)
+
+### 2. Configurer le cache Hugging Face
+Le code utilise un dossier **accessible en écriture** pour le cache :
+```python
+CACHE_DIR = "/tmp/hf_cache"
+os.environ["TRANSFORMERS_CACHE"] = CACHE_DIR
+os.makedirs(CACHE_DIR, exist_ok=True)
+```
+
+Cela évite l’erreur `PermissionError: /.cache`.
+
+### 3. Build & Run
+Une fois le Space lancé, Hugging Face va automatiquement :
+- Construire l’image Docker
+- Démarrer l’API FastAPI
+- Fournir un endpoint public
+
+---
+
+## 📡 Endpoints disponibles
+
+### 🔹 Health Check
+```
+GET /health
+```
+**Réponse :**
+```json
+{ "status": "ok", "model": "distilbert-base-uncased-finetuned-sst-2-english" }
+```
+
+### 🔹 Prédiction de sentiment
+```
+POST /predict
+```
+**Entrée :**
+```json
+{ "text": "I love FastAPI and Hugging Face!" }
+```
+
+**Sortie :**
+```json
+{
+  "label": "positive",
+  "confidence": 0.9998,
+  "model": "distilbert-base-uncased-finetuned-sst-2-english"
+}
+```
+
+---
+
+## 🖼️ Page de test (Frontend)
+
+L’application expose aussi une **page HTML minimaliste** :  
+👉 [http://localhost:8000/static/index.html](http://localhost:8000/static/index.html)
+
+---
+
+## ✅ TODO
+
+- [ ] Ajouter un modèle multilingue (par ex. `nlptown/bert-base-multilingual-uncased-sentiment`)  
+- [ ] Ajouter une UI Gradio pour la démo  
+- [ ] Intégrer des tests unitaires  
+
+---
+
+## 📜 Licence
+
+Ce projet est sous licence MIT.  
+Le modèle appartient à Hugging Face et ses contributeurs.