代码举例

以下是一个简单的使用ChitGPT进行对话的示例代码：

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

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

# 设置对话的起始文本
conversation_history = "你好，很高兴见到你！"

# 进行对话
while True:
    # 输入用户的回复
    user_input = input("用户：")
    
    # 将用户的回复添加到对话历史中
    conversation_history += user_input + tokenizer.eos_token
    
    # 将对话历史输入模型，生成下一条回复
    input_ids = tokenizer.encode(conversation_history, return_tensors="pt")
    output = model.generate(input_ids, max_length=50, pad_token_id=tokenizer.eos_token_id)
    response = tokenizer.decode(output[0], skip_special_tokens=True)
    
    # 输出AI的回复
    print("AI：" + response)
    
    # 将AI的回复添加到对话历史中
    conversation_history += response + tokenizer.eos_token

在这个示例中，我们首先使用`AutoTokenizer`和`AutoModelForCausalLM`从Hugging Face的模型hub中加载了ChitGPT模型和相应的分词器。

然后，我们设置了对话的起始文本，即AI的第一条回复。接下来，我们使用一个循环，让用户和AI不断进行对话。在每个循环迭代中，我们首先从用户那里获取输入，并将其添加到对话历史中。然后，我们将整个对话历史输入模型，让它生成下一条回复。最后，我们将AI的回复添加到对话历史中，并将其输出给用户。

这只是一个简单的示例，你可以根据自己的需求进行更复杂的修改和扩展。