模型:
emre/spanish-dialoGPT
该模型是从原始 DialoGPT-medium 模型上通过西班牙电影和电视剧字幕进行微调的,数据来自于出色的 OpenSubtitle dataset 。
DialoGPT论文: https://arxiv.org/abs/1911.00536
模型的一些示例对话:
Role | Response |
---|---|
User | ¿Cómo está el clima hoy? |
Bot | Muy bien. |
User | Eso es bueno escuchar. ¿Vas a ir a la playa? |
Bot | No, también puedo regresar. |
User | Oh bien, bueno, iré a la playa más tarde. |
Bot | ¡No! |
User | ¿Qué está mal con eso? |
Bot | ¡Cómo que no! |
User | Estoy confundido, ¿por qué no puedo ir a la playa? |
Bot | ¡Cómo que no! |
User | Explícamelo por favor. |
Bot | ¡No! |
用于尝试模型的示例代码(直接从 DialoGPT-medium 模型卡片中取出):
from transformers import AutoModelWithLMHead, AutoTokenizer import torch tokenizer = AutoTokenizer.from_pretrained("emre/spanish-dialoGPT") model = AutoModelWithLMHead.from_pretrained("emre/spanish-dialoGPT") # 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)))