请完整重复一遍优化后的代码

好的，以下是经过优化后的代码：

import torch
from transformers import GPT2LMHeadModel, GPT2Tokenizer

class ChitGPT:
    def __init__(self):
        self.tokenizer = GPT2Tokenizer.from_pretrained('microsoft/DialoGPT-small')
        self.model = GPT2LMHeadModel.from_pretrained('microsoft/DialoGPT-small')
        self.device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
        self.model.to(self.device)
        self.model.eval()

    def generate_response(self, input_text, max_length=100):
        input_ids = self.tokenizer.encode(input_text + self.tokenizer.eos_token, return_tensors='pt').to(self.device)
        sample_output = self.model.generate(
            input_ids,
            do_sample=True,
            max_length=max_length,
            top_p=0.9,
            top_k=50,
            temperature=0.8,
            pad_token_id=self.tokenizer.eos_token_id
        )
        response = self.tokenizer.decode(sample_output[0], skip_special_tokens=True)
        return response

此代码基于 transformers 库实现，对原先的代码进行了以下优化：

1. 使用 GPT2LMHeadModel 和 GPT2Tokenizer 类代替了原先的 GPT2Model 和 GPT2TokenizerFast 类，这样可以一次性加载模型和词汇表，避免了重复加载的时间和空间浪费。
2. 将模型和数据转移到 GPU 上进行计算，加速了模型推断过程。
3. 在 generate_response 方法中增加了参数 max_length，可以控制生成的回复最大长度，避免了生成过长的回复。
4. 在 generate_response 方法中增加了参数 top_p 和 top_k，可以控制生成回复时的概率采样方式，避免了生成重复、无意义或不合理的回复。
5. 在 generate_response 方法中增加了参数 temperature，可以控制生成回复时的多样性，避免了生成单一、重复或不合理的回复。