整合优化上述代码

好的，让我来优化一下你的代码。

首先，我们可以将获取用户输入和对话生成的代码封装成一个函数：

def generate_response(user_input, model):
    input_ids = tokenizer.encode(user_input, return_tensors='pt')
    chat_history_ids = model.generate(
        input_ids, 
        max_length=1000, 
        pad_token_id=tokenizer.eos_token_id,
        no_repeat_ngram_size=3,
        do_sample=True, 
        top_k=10, 
        top_p=0.7,
        temperature=0.8
    )
    response = tokenizer.decode(chat_history_ids[:, input_ids.shape[-1]:][0], skip_special_tokens=True)
    return response

这个函数将用户输入和模型作为参数，返回一个回复。

然后我们可以将对话的逻辑封装成一个循环：

model = GPT2LMHeadModel.from_pretrained('CSDN-ChitGPT')

print("ChitGPT: 你好，我是 ChitGPT，很高兴能和你聊天！")

while True:
    # 获取用户输入
    user_input = input("User: ")
    
    # 生成回复
    response = generate_response(user_input, model)
    
    # 输出回复
    print("ChitGPT:", response)

这个循环将一直运行，直到用户输入 `quit`。

完整代码如下所示：

from transformers import GPT2LMHeadModel, GPT2Tokenizer

tokenizer = GPT2Tokenizer.from_pretrained('gpt2')
model = GPT2LMHeadModel.from_pretrained('CSDN-ChitGPT')

def generate_response(user_input, model):
    input_ids = tokenizer.encode(user_input, return_tensors='pt')
    chat_history_ids = model.generate(
        input_ids, 
        max_length=1000, 
        pad_token_id=tokenizer.eos_token_id,
        no_repeat_ngram_size=3,
        do_sample=True, 
        top_k=10, 
        top_p=0.7,
        temperature=0.8
    )
    response = tokenizer.decode(chat_history_ids[:, input_ids.shape[-1]:][0], skip_special_tokens=True)
    return response

print("ChitGPT: 你好，我是 ChitGPT，很高兴能和你聊天！")

while True:
    # 获取用户输入
    user_input = input("User: ")
    
    if user_input.lower() == 'quit':
        break
    
    # 生成回复
    response = generate_response(user_input, model)
    
    # 输出回复
    print("ChitGPT:", response)

希望这样的优化可以帮到你！