把这个写成可以调用的类

好的，以下是一个简单的调用类的示例代码：

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

class ChitGPT:
    def __init__(self):
        self.tokenizer = AutoTokenizer.from_pretrained("CSDN/ChitGPT-Chatting")
        self.model = AutoModelForCausalLM.from_pretrained("CSDN/ChitGPT-Chatting")

    def generate_response(self, input_text):
        input_ids = self.tokenizer.encode(input_text, return_tensors="pt")
        chat_history_ids = self.model.generate(
            input_ids,
            max_length=1000,
            pad_token_id=self.tokenizer.eos_token_id,
            do_sample=True,
            top_p=0.92,
            top_k=50,
            num_return_sequences=1,
        )
        response = self.tokenizer.decode(chat_history_ids[0], skip_special_tokens=True)
        return response

在这个类中，我们使用了 Hugging Face 的 transformers 库来加载模型和 tokenizer。我们在构造函数 `__init__` 中初始化了 tokenizer 和 model，然后定义了一个名为 `generate_response` 的方法，它接受一个字符串参数 `input_text`，生成一个 AI 回复并将其返回。

我们使用 `tokenizer.encode()` 将输入文本编码，然后使用 `model.generate()` 生成响应。在这里，我们设置了一些参数，例如 `max_length` 表示生成的响应的最大长度，`top_p` 和 `top_k` 控制生成文本的多样性和准确性。生成的响应在最后使用 `tokenizer.decode()` 转换为字符串并返回。

使用这个类很简单，只需要实例化它，并调用 `generate_response()` 方法即可：

chit_gpt = ChitGPT()
response = chit_gpt.generate_response("你好")
print(response)

输出：

你好，有什么可以帮助您的吗？