ai智能聊天机器人

这个简短的教程将使用Microsoft DialoGPT模型，拥抱面部空间和Gradio干扰构建一个简单的聊天机器人。您将能够使用类似的技术在 5 分钟内开发和自定义您自己的应用程序。

1. 创建新空间

转到 hf.co 并创建一个免费帐户。之后，单击右上角的显示图像，然后选择“新空间”选项。
在表单中填写应用程序名称、许可证、空间硬件和可见性。

按“创建空间”以初始化应用程序。您可以克隆存储库并从本地系统推送文件，或者使用浏览器在拥抱脸上创建和编辑文件。

图片来自AI ChatBot

2.创建聊天机器人应用程序文件

我们将单击“文件”选项卡>+添加文件>创建新文件。

创建 Gradio 接口。你可以复制我的代码。

我已经加载了“microsoft/dialopGPT-large”标记器和模型，并创建了一个“预测”函数来获取响应和创建历史记录。

from transformers import AutoModelForCausalLM, AutoTokenizerimport gradio as grimport torchtitle = "AI ChatBot"description = "A State-of-the-Art Large-scale Pretrained Response generation model (DialoGPT)"examples = [["How are you?"]]tokenizer = AutoTokenizer.from_pretrained("microsoft/DialoGPT-large")model = AutoModelForCausalLM.from_pretrained("microsoft/DialoGPT-large")def predict(input, history=[]): # tokenize the new input sentence new_user_input_ids = tokenizer.encode( input + tokenizer.eos_token, return_tensors="pt" ) # append the new user input tokens to the chat history bot_input_ids = torch.cat([torch.LongTensor(history), new_user_input_ids], dim=-1) # generate a response history = model.generate( bot_input_ids, max_length=4000, pad_token_id=tokenizer.eos_token_id ).tolist() # convert the tokens to text, and then split the responses into lines respOnse= tokenizer.decode(history[0]).split("<|endoftext|>") # print('decoded_response-->>'+str(response)) respOnse= [ (response[i], response[i + 1]) for i in range(0, len(response) - 1, 2) ] # convert to tuples of list # print('response-->>'+str(response)) return response, historygr.Interface( fn=predict, title=title, description=description, examples=examples, inputs=["text", "state"], outputs=["chatbot", "state"], theme="finlaymacklon/boxy_violet",).launch()

此外，我还为我的应用程序提供了一个自定义主题：boxy_violet。您可以浏览Gradio主题库，根据您的口味选择主题。

3. 创建需求文件

现在，我们需要创建一个“需求.txt”文件并添加所需的 Python 包。