在上面的实例代码出示完整

以下是一个完整的示例代码，使用 `ChitGPT` 模型进行对话：

from transformers import AutoModelForCausalLM, AutoTokenizer

# 加载模型和分词器
model_name = "Chitanda/GPT2-small-Chinese"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

# 设置对话参数
max_length = 50
temperature = 0.9
top_k = 50
top_p = 0.95

# 定义对话函数
def chat_with_bot(prompt):
    input_ids = tokenizer.encode(prompt, return_tensors="pt")
    output = model.generate(
        input_ids,
        do_sample=True,
        max_length=max_length,
        temperature=temperature,
        top_k=top_k,
        top_p=top_p,
        pad_token_id=tokenizer.eos_token_id,
        bos_token_id=tokenizer.bos_token_id,
        eos_token_id=tokenizer.eos_token_id,
        num_return_sequences=1,
    )
    response = tokenizer.decode(output[0], skip_special_tokens=True)
    return response

# 开始对话
while True:
    prompt = input("You: ")
    if prompt.lower() == "quit":
        break
    response = chat_with_bot(prompt)
    print("Bot:", response)

这个示例代码加载了 `Chitanda/GPT2-small-Chinese` 模型和对应的分词器，并定义了 `max_length`、`temperature`、`top_k`、`top_p` 四个参数用于控制生成文本的质量和多样性。然后定义了 `chat_with_bot` 函数，用于生成对话回复。最后使用一个简单的循环来启动对话，直到用户输入 `quit`。