GPT2 chitchat
1.0.0
الحساب الرسمي [yeungnlp]
Python3.6 ، Transformers == 4.2.0 ، Pytorch == 1.7.0
يتم تقسيم كل بيانات تدريب ثم إدخالها في النموذج للتدريب.
بالنسبة للجولات المتعددة التالية من بيانات تدريب الدردشة ، عند تدريب النموذج ، يتم تقسيم بيانات التدريب على النحو التالي: "[CLS] تريد أن ترى صورك الجميلة [Sep] قبلني وأظهر لك [SEP] أقبلك [SEP] أكره الأشخاص الذين يستخدمون قبضة صغيرة لكمة صدرك [SEP]". ثم استخدم نتائج الربط أعلاه كمدخلات للنموذج واترك النموذج يخضع للتدريب على الجهد التلقائي.
想看你的美照
亲我一口就给你看
我亲两口
讨厌人家拿小拳拳捶你胸口
قم بتنزيل النموذج الموجود في مشاركة النموذج ، ووضع نموذج نموذج model_epoch40_50w في دليل النموذج ، وتنفيذ الأوامر التالية ، وقم بالحوار
python interact.py --no_cuda --model_path model_epoch40_50w (使用cpu生成，速度相对较慢)
或
python interact.py --model_path model_epoch40_50w --device 0 (指定0号GPU进行生成，速度相对较快)
قم بإنشاء مجلد بيانات في دليل جذر المشروع ، وتسمية Training Corpus Train.txt الأصلي ، وقم بتخزينه في هذا الدليل. شكل Train.txt كما يلي ، مع سطر واحد بين كل دردشة ، والتنسيق هو كما يلي:
真想找你一起去看电影
突然很想你
我也很想你
想看你的美照
亲我一口就给你看
我亲两口
讨厌人家拿小拳拳捶你胸口
美女约嘛
开好房等你了
我来啦
قم بتشغيل Preprocess.py ، ورمز البيانات/Train.txt Corpus ، وقم بتسلسلها وحفظها إلى Data/Train.pkl. نوع الكائن المسلسل في Train.pkl هو القائمة [القائمة] ، والتي تسجل الرموز الواردة في كل محادثة في قائمة الحوار.
python preprocess.py --train_path data/train.txt --save_path data/train.pkl
قم بتشغيل Train.py ، واستخدم البيانات المعالجة مسبقًا لأداء التدريب التلقائي على النموذج ، وحفظ النموذج في مجلد النموذج في دليل الجذر.
أثناء التدريب ، يمكنك البدء في التوقف المبكر عن طريق تحديد معلمة الصبر. عندما يكون الصبر = n ، إذا كان n على التوالي ، فإن فقدان النموذج على مجموعة التحقق لا ينخفض ، ثم يتم إيقاف التوقف المبكر والتدريب. عندما يكون الصبر = 0 ، لا يتم تنفيذ أي توقف مبكر.
يتم إيقاف التوقف المبكر افتراضيًا في الكود ، لأنه في الممارسة العملية ، قد لا يكون تأثير توليد النموذج الذي تم الحصول عليه عن طريق التوقف المبكر أفضل.
python train.py --epochs 40 --batch_size 8 --device 0,1 --train_path data/train.pkl
لمزيد من المقدمة لمعلمات التدريب ، يمكنك النظر مباشرة إلى وصف المعلمة في وظيفة set_args () في Train.py
Run Interact.py ، واستخدم النموذج المدرب ، وأداء تفاعل الحاسوب البشري ، وأدخل Ctrl+Z لإنهاء المحادثة ، سيتم حفظ سجل الدردشة في ملف sample.txt في دليل العينة.
python interact.py --no_cuda --model_path path_to_your_model --max_history_len 3(由于闲聊对话生成的内容长度不是很长，因此生成部分在CPU上跑速度也挺快的)
عند تنفيذ Interact.py ، يمكنك محاولة ضبط التأثير الذي تم إنشاؤه عن طريق ضبط المعلمات مثل TOPK ، TOPP ، REPETITION_PENALTY ، MAX_HISTORY_LEN ، وما إلى ذلك لمزيد من المعلمات ، يمكنك النظر مباشرة إلى وصف المعلمة في وظيفة set_args () للتفاعل. إذا كنت ترغب في استخدام وحدة معالجة الرسومات GPU للجيل ، فلا تتصل بالمعلمة - -NO_CUDA ، واستخدم -DESECT GPU_ID لتحديد وحدة معالجة الرسومات التي يجب استخدامها.
| مواد الدردشة الصينية | عنوان مجموعة البيانات | وصف كوربوس |
|---|---|---|
| الدردشات الصينية الشائعة | inchank_chatbot_corpus | بما في ذلك Xiaohuang Chicken Corpus و Douban Corpus و TV Series Dialogue Corpus و Tieba Forum Reply Corpus و Weibo Corpus و PTT Gossip Corpus و Qingyun Corpus ، إلخ. |
| 50W مواد الدردشة الصينية | Baidu NetDisk [رمز الاستخراج: 4G5E] أو Google Drive | يحتوي على مجموعة أصلية وبيانات معالجة مسبقًا مع حوار متعدد الجولات 50W |
| 100W مواد الدردشة الصينية | Baidu NetDisk [رمز الاستخراج: S908] أو Google Drive | يحتوي على مجموعة أصلية وبيانات معالجة مسبقًا مع حوار متعدد الجولات 100 واط |
محتويات مجموعة الدردشة الصينية هي كما يلي:
谢谢你所做的一切
你开心就好
开心
嗯因为你的心里只有学习
某某某，还有你
这个某某某用的好
你们宿舍都是这么厉害的人吗
眼睛特别搞笑这土也不好捏但就是觉得挺可爱
特别可爱啊
今天好点了吗？
一天比一天严重
吃药不管用，去打一针。别拖着
| نموذج | عنوان مشترك | وصف النموذج |
|---|---|---|
| model_epoch40_50w | Baidu NetDisk [رمز الاستخراج: Ju6M] أو Google Drive | تم تدريب 40 عصرًا باستخدام مجموعة حوار متعددة الدورات 50W ، وتم تخفيض الخسارة إلى حوالي 2.0. |
user :你好啊
chatbot:你好，请问您是？
user :我是你的主人啊
chatbot:你是狗吗？
user :你才是狗
chatbot:你不是狗我是你的小主人
user :你这个大笨蛋
chatbot:你大笨蛋，你是想挨打了
user :你全家都是大笨蛋
chatbot:我是你爸爸
user :算了，不跟你吵了，你在干嘛呢
chatbot:我在上班啊，你还没下班呢啊你
user :我周末要做作业啊
chatbot:不是才交了吗，早晚做完啊
user :好多作业啊，还没做完呢
chatbot:我在抄，我妈让我周五交，还有事
user :你就不怕被你妈妈骂吗
chatbot:不怕
user :你周末有去哪里玩吗
chatbot:没时间啊，忙得很啊
user :忙着干嘛呢
chatbot:不知道啊，我周末没有作业，我想睡觉，然后还得找人
user :你好啊
chatbot:你好我好大家好
user :你在干嘛呢
chatbot:你不上课啊
user :今天是周末啊，笨蛋
chatbot:我在学校呢
user :我也是，周末还要做作业
chatbot:我还没写呢我们都还没写
user :周末你有去哪里玩吗
chatbot:没有去南京
user :南京有什么好玩的啊
chatbot:我们没去南京
user :你刚刚又说你去了南京，你是不是耍我啊
chatbot:我刚刚才到南京
user :你好笨啊
chatbot:我没有
user :你是大笨蛋
chatbot:你才是大笨蛋
user :你全家都是大笨蛋
chatbot:你个傻冒
user :你个智障
chatbot:哈哈哈
user :在干嘛
chatbot:睡觉
user :这么早就睡觉啦
chatbot:嗯啊你也早点睡啊
user :我再玩一会儿手机
chatbot:早点休息晚安
user :拜拜啦
chatbot:晚安晚安
user :多喝热水
chatbot:哈哈哈
user :多喝热水
chatbot:好的咯
user :在吗
chatbot:在
user :我不开心
chatbot:怎么啦
user :最近好累啊
chatbot:是挺累的
user :作业好多啊
chatbot:还好还好
user :我觉得我快要挂科了
chatbot:我也是啊，但是我觉得我快熬出头了
user :不说了，我还有好多作业没写
chatbot:我也是啊好多啊
user :那先这样，下次再聊，再见了
chatbot:好哒
user :你去过广州吗
chatbot:去过呀，但是没有找到工作呢
user :那你去过北京吗
chatbot:没有啊
user :北京有什么好玩的
chatbot:没有你想象的那么好
user :是吗，我还没过北京
chatbot:那里我也不怎么熟，我去过北京
user :北京天安门呢
chatbot:没去过，不过可以去玩玩
user :你好
chatbot:你好
user :在干嘛呢
chatbot:在想你呢
user :好害羞啊
chatbot:害羞什么啊
user :你这样夸我，我觉得不好意思呀
chatbot:我夸你你还不好意思呢
user :是啊，哈哈哈
chatbot:你是不是在考验我
user :你怎么会这样想呢
chatbot:我说我在夸你，这么客气，
user :你有睡午觉吗
chatbot:有啊
user :我现在有点困呢
chatbot:我也是
user :等下还要去上课，好烦啊
chatbot:我们不用上课的呀
