threshold = 0.48  # Оптимальный порог для Negative

if P(Negative) > threshold:
    prediction = Negative (2)
else:
    prediction = argmax(P(Neutral), P(Positive))

# Токенизация
inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=512)

# Предсказание
with torch.no_grad():
    outputs = model(**inputs)
    probs = F.softmax(outputs.logits, dim=-1)

# Применение threshold
if probs[2] > 0.48:
    label = 2  # Negative
else:
    label = argmax(probs[0], probs[1])  # Neutral or Positive

Tonality/
├── frontend/                  # React приложение
│   ├── src/
│   │   ├── components/        # UI компоненты
│   │   │   ├── charts/        # Графики (Recharts)
│   │   │   ├── Dashboard.tsx  # Дашборд с визуализациями
│   │   │   ├── ResultsTable.tsx # Таблица результатов + фильтры
│   │   │   └── ...
│   │   ├── context/           # React контексты (темы)
│   │   ├── hooks/             # Кастомные хуки
│   │   ├── api/               # API клиент
│   │   └── types/             # TypeScript типы
│   ├── Dockerfile             # Production сборка
│   └── Dockerfile.dev         # Development с hot reload
│
├── api/                       # API Gateway (FastAPI)
│   ├── main.py                # Эндпоинты
│   ├── Dockerfile
│   └── requirements.txt
│
├── ml_service/                # ML сервис
│   ├── main.py                # Инференс модели
│   ├── Dockerfile             # CPU версия
│   ├── Dockerfile.gpu         # GPU версия (CUDA)
│   └── requirements.txt
│
├── model/                     # Файлы модели
│   ├── config.json
│   ├── model.safetensors      # Веса (~117 MB)
│   ├── tokenizer.json
│   ├── vocab.txt
│   └── threshold.txt          # Порог для Negative класса
│
├── nginx/                     # Конфиги Nginx
│   └── hackathon.redlim.ru.conf
│
├── docker-compose.yml         # Production (CPU)
├── docker-compose.gpu.yml     # Production (GPU)
├── docker-compose.dev.yml     # Development (CPU)
├── docker-compose.dev.gpu.yml # Development (GPU)
├── docker-compose.server.yml  # Только frontend + api
├── docker-compose.ml.yml      # Только ml_service
│
└── DEPLOY.md                  # Инструкция по деплою

# Анализ текста
curl -X POST "http://localhost:8000/api/analyze" \
  -H "Content-Type: application/json" \
  -d '{"text": "Отличный товар, рекомендую!"}'

# Ответ
{
  "text": "Отличный товар, рекомендую!",
  "label": 1,
  "label_name": "positive"
}

# Пакетный анализ
curl -X POST "http://localhost:8000/api/analyze/batch" \
  -F "file=@reviews.csv"

ID,text,src
1,"Отличный товар!",wildberries
2,"Ужасное качество",ozon

ID,text,src,label,label_name,confidence,manually_edited
1,"Отличный товар!",wildberries,1,positive,0.92,false
2,"Ужасное качество",ozon,2,negative,0.87,false

# Клонировать репозиторий
git clone https://github.com/your/tonality.git
cd tonality

# Скопировать модель в ./model/
# (config.json, model.safetensors, tokenizer.json, vocab.txt, threshold.txt)

# Production (CPU)
docker-compose up -d --build

# Production (GPU) - требуется NVIDIA Docker
docker-compose -f docker-compose.gpu.yml up -d --build

# Development с hot reload
docker-compose -f docker-compose.dev.yml up --build

# 1. ML Service
cd ml_service
python -m venv venv
source venv/bin/activate
pip install -r requirements.txt
uvicorn main:app --reload --port 8001

# 2. API Gateway (новый терминал)
cd api
python -m venv venv
source venv/bin/activate
pip install -r requirements.txt
uvicorn main:app --reload --port 8000

# 3. Frontend (новый терминал)
cd frontend
npm install
npm run dev

┌─────────────────────────────────────────────────────────┐
│                      ИНТЕРНЕТ                           │
└─────────────────────────────────────────────────────────┘
                           │
                           ▼
┌─────────────────────────────────────────────────────────┐
│  СЕРВЕР (hackathon.redlim.ru)                           │
│  ┌─────────────────────────────────────────────────┐    │
│  │  Nginx (reverse proxy + HTTPS)                  │    │
│  │  :80 → redirect to :443                         │    │
│  │  :443 → SSL termination                         │    │
│  └─────────────────────────────────────────────────┘    │
│           │                      │                      │
│           ▼                      ▼                      │
│  ┌─────────────────┐    ┌─────────────────┐             │
│  │  Frontend       │    │  API Gateway    │             │
│  │  :3000          │    │  :8000          │             │
│  └─────────────────┘    └────────┬────────┘             │
└──────────────────────────────────┼──────────────────────┘
                                   │
                            Локальная сеть
                                   │
                                   ▼
┌─────────────────────────────────────────────────────────┐
│  PC С GPU (192.168.x.x)                                 │
│  ┌─────────────────────────────────────────────────┐    │
│  │  ML Service                                     │    │
│  │  :8001                                          │    │
│  │  PyTorch + CUDA                                 │    │
│  └─────────────────────────────────────────────────┘    │
└─────────────────────────────────────────────────────────┘

# На машине с видеокартой
git clone https://github.com/your/tonality.git
cd tonality

# Скопировать модель
cp -r /path/to/model/* ./model/

# Запустить ML service с GPU
docker-compose -f docker-compose.ml.yml up -d --build

# Проверить
curl http://localhost:8001/health
# {"status":"healthy","model_loaded":true,"device":"cuda:0","threshold":0.48}

sudo ufw allow from 192.168.0.0/16 to any port 8001

# На сервере
git clone https://github.com/your/tonality.git
cd tonality

# Создать .env с IP машины с GPU
echo "ML_SERVICE_URL=http://192.168.1.100:8001" > .env

# Запустить
docker-compose -f docker-compose.server.yml up -d --build

# Проверить
curl http://localhost:8000/health
curl http://localhost:3000

# Скопировать конфиг
sudo cp nginx/hackathon.redlim.ru.conf /etc/nginx/sites-available/
sudo ln -s /etc/nginx/sites-available/hackathon.redlim.ru.conf /etc/nginx/sites-enabled/

# Проверить конфиг
sudo nginx -t

# Получить SSL сертификат
sudo certbot --nginx -d hackathon.redlim.ru

# Перезапустить nginx
sudo systemctl reload nginx

# ML Service (из локальной сети)
curl http://192.168.1.100:8001/health

# API (с сервера)
curl http://localhost:8000/health

# Через интернет
curl https://hackathon.redlim.ru/health
curl -X POST https://hackathon.redlim.ru/api/analyze \
  -H "Content-Type: application/json" \
  -d '{"text": "Отличный сервис!"}'

# Все сервисы
docker-compose logs -f

# Конкретный сервис
docker-compose logs -f api
docker-compose logs -f ml_service

# ML Service на отдельной машине
docker-compose -f docker-compose.ml.yml logs -f

git pull

# Пересборка контейнеров
docker-compose down
docker-compose up -d --build