本简短教程将使用 模型、 Face Space和接口建立一个简单的聊天机器人。使用类似的技术，你将可以在5分钟内开发和自定义自己的应用程序。
1.创建新空间前往hf.co并创建一个免费账户。然后，点击右上角的显示图像并选择“New Space”选项。在表格中填写应用程序名称、许可证、空间硬件和可见性。
图片来自Space按“ Space”以初始化该应用程序。用户可以从本地系统克隆存储库并推送文件，也可以使用浏览器在 Face上创建和编辑文件。
图片来自AI .创建应用程序文件
我们将点击“Files”选项卡 > “+ Add file” > “ a new file”。
图片来自/AI-
创建接口。你可以复制我的代码。
【】：.app/
图片来自app.py
现在已经加载了“/-large”分词器和模型，并创建了一个函数来获取响应并创建历史记录。
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=[]):
# 将新输入的句子进行分词
new_user_input_ids = tokenizer.encode(
input + tokenizer.eos_token, return_tensors="pt"
)
# 将新用户输入的令牌附加到聊天历史记录中
bot_input_ids = torch.cat([torch.LongTensor(history), new_user_input_ids], dim=-1)
# 生成一个响应
history = model.generate(
bot_input_ids, max_length=4000, pad_token_id=tokenizer.eos_token_id
).tolist()
# 将令牌转换为文本，然后将响应拆分为行
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)
] # 转换为列表的图元
# 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，本文还为示例应用程序提供了一个定制的主题：。用户可以浏览主题库，根据自己的口味选择主题。
3.创建需求文件
现在，我们需要创建一个.txt文件，并添加所需的包。
图片来自.txt
transformers
torch之后，你的应用程序将开始建立，并在几分钟内下载模型并加载模型推理。
4.演示
应用程序看起来很棒。我们只需要为每个不同的模型架构创建一个函数来获取响应并维护历史记录。
你现在可以在/AI-上与应用程序进行聊天和交互，或者使用-ai-.hf.space将应用程序嵌入到你的网站中。
图片来自/AI-
可以在上寻找数百个聊天机器人应用程序，以获取灵感并了解模型推理。
例如，如果你有一个在“LLaMA-7B”上进行微调的模型，请搜索该模型并向下滚动以查看该模式的各种实现。
图片来自-/llama-7b-hf总结
总之，本文提供了一个快速而简单的教程，介绍如何在短短5分钟内使用 Face和创建AI聊天机器人。通过一步步的指导说明和可自定义的选项，任何人都可以轻松地创建自己的聊天机器人。
推荐书单
《智能聊天机器人：核心技术与算法》
随着人工智能技术的发展，人类对智能化服务更加渴望，聊天机器人成为研发热门之一。
《智能聊天机器人：核心技术与算法》从聊天机器人所涉及的多个方面出发，先理论后实践，让读者不仅能了解其中的原理，还能自己动手编程。
《智能聊天机器人：核心技术与算法》共9章，第1章以该领域的背景知识作为开篇，重点介绍了聊天系统中的主要模块；第2章阐述了语音识别和隐马尔可夫模型；第3章侧重于通用的自然语言处理技术；第4章讲解如何使用信息检索技术，来实现问答型的聊天系统；第5章介绍一些主流的机器学习算法，以及如何使用这些算法来提升基于信息检索的问答系统；第6章介绍推荐系统相关的知识以及常见的推荐算法，并将其应用到问答系统中；第7章介绍如何使用深度学习来优化问答系统；第8章讲述了聊天系统的前沿领域——知识图谱；第9章讨论任务型和闲聊型聊天系统中更有挑战性的几个课题。
《智能聊天机器人：核心技术与算法》可为高等院校计算机科学、信息科学、电子工程和人工智能等领域的科研人员提供参考，也可作为相关专业本科生和研究生教学的参考书，对于从事深度学习及其应用的开发人员同样具有参考价值。
精彩回顾
《项目：在浏览器中运行LLM聊天机器人》
《3个免费平台，打造个性化聊天机器人》
《使用-Learn，快速掌握机器学习预测方法》
《4步掌握“指令工程”，使用进行高效AI创作》
《手把手教你使用搭建神经网络》
《：终极开源大语言模型解决方案》
评论（0）