示例代码给一下

这是一个使用 ChitGPT 进行对话的示例代码：

from transformers import AutoModelForCausalLM, AutoTokenizer

# 加载模型和分词器
model_name = "ChitGPT-small"
model = AutoModelForCausalLM.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

# 定义对话函数
def chat(model, tokenizer, prompt):
    # 将对话转化为模型输入
    input_ids = tokenizer.encode(prompt, return_tensors="pt")
    # 生成回答
    output = model.generate(
        input_ids=input_ids,
        max_length=1000,
        pad_token_id=tokenizer.eos_token_id,
        do_sample=True,
        top_p=0.92,
        top_k=50,
    )
    # 将模型输出转化为文本
    response = tokenizer.decode(output[0], skip_special_tokens=True)
    return response

# 进行对话
while True:
    prompt = input("你：")
    if prompt == "退出":
        break
    response = chat(model, tokenizer, prompt)
    print("ChitGPT：", response)

这个代码定义了一个 `chat` 函数，它接受一个模型、一个分词器和一个对话提示，并返回一个回答。在主循环中，它从命令行读取对话提示，调用 `chat` 函数生成回答，并将回答打印到命令行。如果用户输入 "退出"，则程序退出。

需要注意的是，这个代码使用了 ChitGPT-small 模型，这是一个较小的模型，因此生成的回答可能不如较大的模型那样流畅和准确。如果你想要更好的效果，可以尝试使用 ChitGPT-medium 或 ChitGPT-large。