HuggingFace镜像/DialoGPT-large-openmind
模型介绍文件和版本分析

一种最先进的大规模预训练响应生成模型（DialoGPT）

DialoGPT 是一种用于多轮对话的最先进（SOTA）大规模预训练对话响应生成模型。 人工评估结果表明，在单轮对话图灵测试中，DialoGPT 生成的响应质量可与人类响应相媲美。 该模型是在来自 Reddit 讨论线程的 1.47 亿多轮对话数据上训练的。

  • 交互式环境中的多轮生成示例：
角色响应
用户金钱能买到幸福吗？
机器人这取决于你在幸福上花了多少钱。
用户买到幸福的最佳方式是什么？
机器人你只需要在 20 岁出头就成为百万富翁，这样你就能幸福了。
用户这太难了！
机器人你根本不知道成为百万富翁并保持幸福有多难。富人拥有大量金钱是有原因的。

有关 DialoGPT 的预处理、训练和完整详细信息，请参见原始 DialoGPT 仓库

ArXiv 论文：https://arxiv.org/abs/1911.00536

如何使用

现在，我们可以尝试将该模型作为聊天伙伴来使用了！

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch


tokenizer = AutoTokenizer.from_pretrained("microsoft/DialoGPT-large")
model = AutoModelForCausalLM.from_pretrained("microsoft/DialoGPT-large")

# Let's chat for 5 lines
for step in range(5):
	# encode the new user input, add the eos_token and return a tensor in Pytorch
	new_user_input_ids = tokenizer.encode(input(">> User:") + tokenizer.eos_token, return_tensors='pt')

	# append the new user input tokens to the chat history
	bot_input_ids = torch.cat([chat_history_ids, new_user_input_ids], dim=-1) if step > 0 else new_user_input_ids

	# generated a response while limiting the total chat history to 1000 tokens, 
	chat_history_ids = model.generate(bot_input_ids, max_length=1000, pad_token_id=tokenizer.eos_token_id)

	# pretty print last ouput tokens from bot
	print("DialoGPT: {}".format(tokenizer.decode(chat_history_ids[:, bot_input_ids.shape[-1]:][0], skip_special_tokens=True)))

如何在 openmind 中使用

from openmind import AutoTokenizer, AutoModelForCausalLM, is_torch_npu_available
from openmind_hub import snapshot_download
import torch.nn.functional as F
from torch import Tensor
import openmind
import torch
import argparse

def parse_args():
    parser = argparse.ArgumentParser()
    parser.add_argument(
        "--model_name_or_path",
        type=str,
        help="Path to model",
        default="jeffding/DialoGPT-large-openmind",
    )
    args = parser.parse_args()
    return args

def main():
    args = parse_args()
    model_path = args.model_name_or_path

    if is_torch_npu_available():
        device = "npu:0"
    else:
        device = "cpu"
        
    model = AutoModelForCausalLM.from_pretrained(model_path).to(device)
    tokenizer = AutoTokenizer.from_pretrained(model_path)
    model.eval()

    prompt = 'Q: What is the largest bird?\nA:'
    input_ids = tokenizer(prompt, return_tensors="pt").input_ids.to(device)
    tokens = model.generate(input_ids, max_length=20)
    print( tokenizer.decode(tokens[0].tolist(), skip_special_tokens=True) )
    # Q: What is the largest bird?\nA: The largest bird is a black-headed gull.
    
if __name__ == "__main__":
    main()
下载使用量0