ChatGPT是一种开源且强大的语言生成模型，它在NLP利用中非常受欢迎。它也提供了一系列功能，使得我们能够更好地创建和部署NLP系统。下面，我们将一步步教你怎样使用ChatGPT原版！

第一步：安装ChatGPT

在你使用ChatGPT前，需要先安装它。你可以到ChatGPT的官方网站上下载它的源代码。下载后，你需要安装一些依赖包，这些包包括Numpy、Pytorch、Transformers等等。如果你使用的是Linux或Mac OS系统，你可以打开终端，并使用以下命令在控制台中安装这些包：

`pip install numpy pytorch transformers`

如果你使用的是Windows系统，则可以在终端（CMD）中安装这些包：

`python -m pip install numpy pytorch transformers`

安装完成后，你可以验证你的安装会不会成功。使用以下代码导入ChatGPT：

```

from transformers import ChatTokenizer, ChatGPT

tokenizer = ChatTokenizer.from_pretrained('microsoft/DialoGPT-medium')

model = ChatGPT.from_pretrained('microsoft/DialoGPT-medium')

```

接下来，创建一个简单的键入摹拟会话：

```

# Let's chat for 5 lines

for step in range(5):

# encode the new user input, add the eos_token and return a tensor in Pytorch

new_user_input_ids = tokenizer.encode(input(">> User:") + tokenizer.eos_token, return_tensors='pt')

# append the new user input tokens to the chat history

bot_input_ids = torch.cat([chat_history_ids, new_user_input_ids], dim=⑴) if step > 0 else new_user_input_ids

# generated a response while limiting the total chat history to 1000 tokens,

chat_history_ids = model.generate(bot_input_ids, max_length=1000, pad_token_id=tokenizer.eos_token_id)

# pretty print last ouput tokens from bot

print("ChatGPT: {}".format(tokenizer.decode(chat_history_ids[:, bot_input_ids.shape[⑴]:][0], skip_special_tokens=True)))

```

如果这段代码正常运行并输出了相应的结果，则你已成功安装了ChatGPT！

第二步：开始使用ChatGPT

ChatGPT有很多区别的用处，例如生成对话、生成段落、生成文章等等。当你需要使用ChatGPT时，需要根据你的需求选择相应的模型和Tokenizer。这里我们以生成对话为例。

你需要导入ChatTokenizer和ChatGPT:

```

from transformers import ChatTokenizer, ChatGPT

tokenizer = ChatTokenizer.from_pretrained('microsoft/DialoGPT-medium')

model = ChatGPT.from_pretrained('microsoft/DialoGPT-medium')

```

然后，你需要创建一个输入的历史记录。这个历史记录其实就是会话记录，它将被模型用来生成下一句话。

```

# Let's chat for 5 lines

chat_history_ids = torch.tensor([[tokenizer.eos_token_id]])

for step in range(5):

# encode the new user input, add the eos_token and return a tensor in Pytorch

new_user_input_ids = tokenizer.encode(input(">> User:") + tokenizer.eos_token, return_tensors='pt')

# append the new user input tokens to the chat history

bot_input_ids = torch.cat([chat_history_ids, new_user_input_ids], dim=⑴) if step > 0 else new_user_input_ids

# generated a response while limiting the total chat history to 1000 tokens,

chat_history_ids = model.generate(bot_input_ids, max_length=1000, pad_token_id=tokenizer.eos_token_id)

# pretty print last ouput tokens from bot

print("ChatGPT: {}".format(tokenizer.decode(chat_history_ids[:, bot_input_ids.shape[⑴]:][0], skip_special_tokens=True)))

```

这段代码的功能是从标准控制台中读取用户输入，并根据用户的输入和 ChatGPT 原版来生成对话。

第三步：优化ChatGPT

默许情况下，ChatGPT有一定的生成问题。它常常会重复使用一样的片断，致使生成过于单调。为了解决这个问题，你可以采取一些优化策略。

一种优化方法是使用top-k采样技术。这类技术可使ChatGPT只选择几率最高的k个词语的一种，从而避免使用相同的片断。 另外一种优化方法是对生成的输出进行评估，并仅选择最好的模型输出。这样可以免因毛病输出而致使低质量的结果。

要使用这类优化技术，你可使用generate()方法中的相应参数。

例如：

```

# set seed to reproduce results. Feel free to change the seed though to get different results

torch.manual_seed(0)

# Let's chat for 5 lines

chat_history_ids = torch.tensor([[tokenizer.eos_token_id]])

for step in range(5):

# encode the new user input, add the eos_token and return a tensor in Pytorch

new_user_input_ids = tokenizer.encode(input(">> User:") + tokenizer.eos_token, return_tensors='pt')

# append the new user input tokens to the chat history

bot_input_ids = torch.cat([chat_history_ids, new_user_input_ids], dim=⑴) if step > 0 else new_user_input_ids

# generated a response while limiting the total chat history to 1000 tokens,

chat_history_ids = model.generate(

bot_input_ids,

max_length=1000,

pad_token_id=tokenizer.eos_token_id,

temperature=0.7, # 采取softargmax技术来选择下一个词

top_k=0, # 取所有词的几率，而不是只取几率前k的

top_p=0.92, # 取累加的几率超过0.92的词语

repetition_penalty=1.0, #避免重复使用相同的片断

do_sample=True, #使用sample方法从词典中采样

num_return_sequences=1, #返回一个序列

)

# pretty print last ouput tokens from bot

print("ChatGPT: {}".format(tokenizer.decode(chat_history_ids[:, bot_input_ids.shape[⑴]:][0], skip_special_tokens=True)))

```

通过这类方式，ChatGPT将采取更复杂的策略来生成输出，从而更好地满足你的需求。

总结

通过这篇文章，你已学会了怎样使用ChatGPT原版来生成对话和其他文本。不但如此，我们还了解了怎样使用区别的策略来优化ChatGPT，并避免出现重复片断。我们希望这篇文章能够为你提供帮助，并帮助你更好地使用ChatGPT进行NLP利用。如果你有任何疑问或问题，请随时在下面发表评论，我们会尽快给你回复！