使用 Huggingface 变形金刚的聊天机器人

Posted 2023-03-29

【中文标题】使用 Huggingface 变形金刚的聊天机器人

【英文标题】：Chatbot using Huggingface Transformers

【发布时间】：2021-12-31 11:23:54

【问题描述】：

我想使用 Huggingface Transformers 来实现一个聊天机器人。目前，我有如下所示的代码。 Transformer 模型已经考虑了过去用户输入的历史记录。

在构建聊天机器人时我还需要考虑其他什么（附加代码）吗？

其次，如何修改我的代码以使用 TensorFlow 而不是 PyTorch 运行？

稍后，我还计划根据其他数据对模型进行微调。我还计划测试不同的模型，例如 BlenderBot 和 GPT2。我认为测试这些不同的模型应该像替换 AutoTokenizer.from_pretrained("microsoft/DialoGPT-small") 和 AutoModelForCausalLM.from_pretrained("microsoft/DialoGPT-small") 中的相应模型一样简单

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

tokenizer = AutoTokenizer.from_pretrained("microsoft/DialoGPT-small")
model = AutoModelForCausalLM.from_pretrained("microsoft/DialoGPT-small")

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)))

【参考方案1】：

这里是使用 DialoGPT 模型和 Tensorflow 的示例：

from transformers import TFAutoModelForCausalLM, AutoTokenizer, BlenderbotTokenizer, TFBlenderbotForConditionalGeneration
import tensorflow as tf

chat_bots = 
    'BlenderBot': [BlenderbotTokenizer.from_pretrained('facebook/blenderbot-400M-distill'), TFT5ForConditionalGeneration.from_pretrained('facebook/blenderbot-400M-distill')],
    'DialoGPT': [AutoTokenizer.from_pretrained("microsoft/DialoGPT-small"), TFAutoModelForCausalLM.from_pretrained("microsoft/DialoGPT-small")],
 
key = 'DialoGPT'
tokenizer, model = chat_bots[key]

for step in range(5):
    new_user_input_ids = tokenizer.encode(input(">> User:") + tokenizer.eos_token, return_tensors='tf')
    if step > 0:
      bot_input_ids = tf.concat([chat_history_ids, new_user_input_ids], axis=-1)  
    else:
      bot_input_ids = new_user_input_ids

    chat_history_ids = model.generate(bot_input_ids, max_length=1000, pad_token_id=tokenizer.eos_token_id)

    print(key + ": ".format(tokenizer.decode(chat_history_ids[:, bot_input_ids.shape[-1]:][0], skip_special_tokens=True)))

>> User:How are you?
DialoGPT: I'm here
>> User:Why are you here
DialoGPT: I'm here
>> User:But why
DialoGPT: I'm here
>> User:Where is here
DialoGPT: Where is where?
>> User:Here
DialoGPT: Where is here?

如果您想比较不同的聊天机器人，您可能需要调整它们的解码器参数，因为它们并不总是相同的。例如，使用 BlenderBot 和 50 的 max_length 您会在当前代码中得到这种响应：

>> User:How are you?
BlenderBot: ! I am am great! how how how are are are???

一般来说，您应该问自己哪些特殊字符对聊天机器人很重要（取决于您的域），哪些字符应该/可以省略？

您还应该尝试不同的解码方法，例如贪心搜索、束搜索、随机采样、top-k 采样和核采样，并找出最适合您的用例的方法。有关此主题的更多信息，请查看post

【讨论】：

非常感谢。与您发布的聊天机器人的对话没有多大意义。 ;) 在 Huggingface 上是否没有针对 GPT2 和 BlenderBot 的预训练模型，可以开箱即用？

有......正如我的回答中所发布的，但正如我所说，它们可能需要不同的参数，这就是为什么你必须稍微调整你的代码。