共计 2140 个字符,预计需要花费 6 分钟才能阅读完成。
举荐:应用 NSDT 场景编辑器
助你疾速搭建可二次编辑的 3D 利用场景
1. 创立新空间
- 转到 hf.co 并创立一个收费帐户。之后,单击右上角的显示图像,而后抉择“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。
3. 按“创立空间”以初始化应用程序。
4. 您能够克隆存储库并从本地零碎推送文件,或者应用浏览器在拥抱脸上创立和编辑文件。
2. 创立聊天机器人应用程序文件
- 咱们将单击“文件”选项卡 >+ 增加文件 > 创立新文件。
2. 创立 Gradio 接口。你能够复制我的代码。
3. 我曾经加载了“microsoft/dialopGPT-large”标记器和模型,并创立了一个“预测”函数来获取响应和创立历史记录。
from transformers import AutoModelForCausalLM, AutoTokenizer
import gradio as gr
import torch
title = "🤖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, history
gr.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。您能够浏览 Gradio 主题库,依据您的口味抉择主题。
3. 创立需要文件
1. 当初,咱们须要创立一个“需要.txt”文件并增加所需的 Python 包。
`transformers
torch`
之后,您的应用程序将开始构建,并在几分钟内下载模型并加载模型推理。
4. Gradio
演示 Gradio 应用程序看起来很棒。咱们只须要为每个不同的模型架构师创立一个“预测”函数,以取得响应并保护历史记录。
您当初能够在 kingabzpro / AI-ChatBot 上与应用程序聊天和互动,或应用 https://kingabzpro-ai-chatbot.hf.space 将您的应用程序嵌入您的网站。
你还在困惑吗?在 Spaces 上查找数百个聊天机器人应用程序,以取得灵感并理解模型推理。
例如,如果您有一个在“LLaMA-7B”上微调的模式。搜寻模型并向下滚动以查看模型的各种实现。
论断
总之,本博客提供了一个疾速简便的教程,介绍如何在短短 5 分钟内应用 Hugging Face 和 Gradio 创立 AI 聊天机器人。
通过分步阐明和可自定义的选项,任何人都能够轻松创立他们的聊天机器人。这很乏味,我心愿你学到了一些货色。请在评论局部分享您的 Gradio 演示。如果您正在寻找更简略的解决方案,请查看 OpenChat:在几分钟内构建自定义聊天机器人的收费和简略平台。
教你 5 分钟内应用 Hugging Face 和 Gradio 构建 AI 聊天机器人