使用Hugging Face和Gradio在5分钟内构建AI聊天机器人
通过这个易于跟随的教程，在浏览器中学习使用低代码技术创建一个 Gradio 聊天机器人
这个简短的教程将使用Microsoft的DialoGPT模型、Hugging Face Space和Gradio干扰来构建一个简单的聊天机器人。你将能够使用类似的技术在5分钟内开发和定制自己的应用程序。
1. 创建一个新空间
- 访问hf.co并创建一个免费账户。之后，点击右上角的显示图像，选择“新空间”选项。
- 填写表单，包括应用名称、许可证、空间硬件和可见性。
- 点击“创建空间”来初始化应用程序。
- 你可以从本地系统克隆存储库并推送文件，或者在浏览器中使用Hugging Face创建和编辑文件。
2. 创建聊天机器人应用程序文件
我们将点击“文件”选项卡> + 添加文件> 创建一个新文件。 
创建一个Gradio界面。你可以复制我的代码。 
我已经加载了“microsoft/DialoGPT-large”的分词器和模型，并创建了一个`predict`函数来获取响应并创建历史记录。
from transformers import AutoModelForCausalLM, AutoTokenizer
import gradio as gr
import torch
title = "🤖AI聊天机器人"
description = "一个最先进的大规模预训练响应生成模型（DialoGPT）"
examples = [["你好吗？"]]
tokenizer = AutoTokenizer.from_pretrained("microsoft/DialoGPT-large")
model = AutoModelForCausalLM.from_pretrained("microsoft/DialoGPT-large")
def predict(input, history=[]):
# 对新输入的句子进行分词
new_user_input_ids = tokenizer.encode(
input + tokenizer.eos_token, return_tensors="pt"
)
# 将新的用户输入标记追加到聊天历史记录中
bot_input_ids = torch.cat([torch.LongTensor(history), new_user_input_ids], dim=-1)
# 生成一个响应
history = model.generate(
bot_input_ids, max_length=4000, pad_token_id=tokenizer.eos_token_id
).tolist()
# 将标记转换为文本，然后将响应拆分为行
response = tokenizer.decode(history[0]).split("<|endoftext|>")
# print('decoded_response-->>'+str(response))
response = [
(response[i], response[i + 1]) for i in range(0, len(response) - 1, 2)
] # 转换为列表的元组
# print('response-->>'+str(response))
return response, history
gr.Interface(
fn=predict,
title=title,
description=description,
examples=examples,
inputs=["文本", "状态"],
outputs=["聊天机器人", "状态"],
theme="finlaymacklon/boxy_violet",
).launch()此外，我还为我的应用程序提供了一个自定义的主题：boxy_violet。你可以浏览Gradio主题画廊，根据自己的口味选择主题。
3. 创建一个要求文件
现在，我们需要创建一个`requirement.txt`文件并添加所需的Python包。 
transformers
torch之后，你的应用程序将开始构建，并在几分钟内下载模型并加载模型推理。 
4. Gradio演示
Gradio应用看起来很棒。我们只需要为每个不同的模型架构创建一个`predict`函数，以获取响应并保持历史记录。
现在您可以与kingabzpro/AI-ChatBot上的应用进行聊天和互动，或使用https://kingabzpro-ai-chatbot.hf.space将您的应用嵌入到您的网站中。
kingabzpro/AI-ChatBot的图片
您还感到困惑吗？在Spaces上寻找数百个聊天机器人应用程序，以获取灵感并了解模型推理。
例如，如果您有一个在“LLaMA-7B”上微调的模型。搜索该模型并向下滚动以查看模型的各种实现。
decapoda-research/llama-7b-hf的图片
结论
总之，本博客提供了使用Hugging Face和Gradio在短短5分钟内创建AI聊天机器人的快速简易教程。通过逐步说明和可定制的选项，任何人都可以轻松创建自己的聊天机器人。
这很有趣，我希望您有所收获。请在评论区分享您的Gradio演示。如果您正在寻找更简单的解决方案，请查看OpenChat：用于在几分钟内构建自定义聊天机器人的免费简易平台。Abid Ali Awan（@1abidaliawan）是一位持有认证的数据科学家，热衷于构建机器学习模型。目前，他专注于内容创作，并撰写有关机器学习和数据科学技术的技术博客。Abid拥有技术管理硕士学位和电信工程学士学位。他的愿景是使用图神经网络为患有心理疾病的学生构建AI产品。
