GPT2 chitchat
1.0.0
公式アカウント[Yeungnlp]
Python3.6、トランス== 4.2.0、pytorch == 1.7.0
各トレーニングデータがスプライスされ、トレーニングのためにモデルに入力されます。
チャットトレーニングデータの複数ラウンドで、モデルをトレーニングするとき、トレーニングデータは次のようにスプライスされます。次に、上記のスプライシング結果をモデルへの入力として使用し、モデルを自動網性トレーニングを受けるようにします。
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
モデル共有のモデルをダウンロードし、モデルフォルダーmodel_epoch40_50wをモデルディレクトリに入れ、次のコマンドを実行し、ダイアログを実行する
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)
プロジェクトルートディレクトリにデータフォルダーを作成し、元のトレーニングCorpus train.txtに名前を付け、このディレクトリに保存します。 train.txtの形式は次のとおりで、各チャットの間に1行があり、形式は次のとおりです。
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
preprocess.pyを実行し、data/train.txt corpusをトークン化し、data/train.pklにシリアル化して保存します。 Train.pklのシリアル化されたオブジェクトのタイプはリスト[リスト]であり、ダイアログリストの各会話に含まれるトークンを記録します。
python preprocess.py --train_path data/train.txt --save_path data/train.pkl
Train.pyを実行し、前処理されたデータを使用してモデルで自己網目上のトレーニングを実行し、ルートディレクトリのモデルフォルダーにモデルを保存します。
トレーニング中に、忍耐パラメーターを指定することで、早めの停止を開始できます。忍耐= nの場合、n連続したエポックの場合、検証セットでのモデルの喪失は減少しません。その後、早期停止とトレーニングが停止します。忍耐= 0の場合、早期停止は実行されません。
実際には、早期停止によって得られたモデルの生成効果は良くない場合があるため、コードではデフォルトで早期停止がオフになります。
python train.py --epochs 40 --batch_size 8 --device 0,1 --train_path data/train.pkl
トレーニングパラメーターの詳細については、train.pyのset_args（）関数のパラメーター説明を直接確認できます。
interact.pyを実行し、訓練されたモデルを使用し、ヒューマンコンピューターの相互作用を実行し、Ctrl+zを入力して会話を終了すると、チャットレコードはSample.txtファイルに保存されます。
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)
interact.pyを実行する場合、proadk、topp、repetition_penalty、max_history_lenなどのパラメーターを調整して、生成された効果を調整しようとすることができます。より多くのパラメーターを得るには、interact.pyのset_args（）関数のパラメーター説明を直接調べることができます。 GPUを生成に使用する場合は、-No_Cudaパラメーターを呼び出しないでください。 -Device GPU_IDを使用して、使用するGPUを指定してください。
| 中国のチャット資料 | データセットアドレス | コーパスの説明 |
|---|---|---|
| 一般的な中国のチャット | 中国語のchatbot_corpus | Xiaohuang Chicken Corpus、Douban Corpus、TV Series Dialogue Corpus、Tieba Forum Reply Corpus、Weibo Corpus、PTT Gossip Corpus、Qingyun Corpusなど |
| 50W中国のチャット資料 | Baidu NetDisk [抽出コード：4G5E]またはGoogleドライブ | 50Wのマルチラウンドダイアログを備えたオリジナルのコーパスと前処理されたデータが含まれています |
| 100W中国のチャット資料 | Baidu NetDisk [抽出コード：S908]またはGoogleドライブ | 100Wのマルチラウンドダイアログを備えたオリジナルのコーパスと前処理されたデータが含まれています |
中国のチャットコーパスの内容は次のとおりです。
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
| モデル | 共有アドレス | モデルの説明 |
|---|---|---|
| model_epoch40_50w | Baidu NetDisk [抽出コード：JU6M]またはGoogleドライブ | 50Wのマルチラウンドダイアログコーパスを使用して40個のエポックを訓練し、損失は約2.0に減少しました。 |
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
