ChatGLM-6B源码解析之 web_demo.py-前端-CSS教程

ChatGLM-6B源码解析之 web_demo.py

from transformers import AutoModel, AutoTokenizer
import gradio as gr
import mdtex2html

tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True)
model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).half().cuda()
model = model.eval()

"""Override Chatbot.postprocess"""


def postprocess(self, y):
    if y is None:
        return []
    for i, (message, response) in enumerate(y):
        y[i] = (
            None if message is None else mdtex2html.convert((message)),
            None if response is None else mdtex2html.convert(response),
        )
    return y


gr.Chatbot.postprocess = postprocess


def parse_text(text):
    """copy from https://github.***/GaiZhenbiao/ChuanhuChatGPT/"""
    lines = text.split("\n")
    lines = [line for line in lines if line != ""]
    count = 0
    for i, line in enumerate(lines):
        if "```" in line:
            count += 1
            items = line.split('`')
            if count % 2 == 1:
                lines[i] = f'<pre><code class="language-{items[-1]}">'
            else:
                lines[i] = f'<br></code></pre>'
        else:
            if i > 0:
                if count % 2 == 1:
                    line = line.replace("`", "\`")
                    line = line.replace("<", "&lt;")
                    line = line.replace(">", "&gt;")
                    line = line.replace(" ", "&nbsp;")
                    line = line.replace("*", "&ast;")
                    line = line.replace("_", "&lowbar;")
                    line = line.replace("-", "&#45;")
                    line = line.replace(".", "&#46;")
                    line = line.replace("!", "&#33;")
                    line = line.replace("(", "&#40;")
                    line = line.replace(")", "&#41;")
                    line = line.replace("$", "&#36;")
                lines[i] = "<br>"+line
    text = "".join(lines)
    return text


def predict(input, chatbot, max_length, top_p, temperature, history):
    chatbot.append((parse_text(input), ""))
    for response, history in model.stream_chat(tokenizer, input, history, max_length=max_length, top_p=top_p,
                                               temperature=temperature):
        chatbot[-1] = (parse_text(input), parse_text(response))       

        yield chatbot, history


def reset_user_input():
    return gr.update(value='')


def reset_state():
    return [], []


with gr.Blocks() as demo:
    gr.HTML("""<h1 align="center">ChatGLM</h1>""")

    chatbot = gr.Chatbot()
    with gr.Row():
        with gr.Column(scale=4):
            with gr.Column(scale=12):
                user_input = gr.Textbox(show_label=False, placeholder="Input...", lines=10).style(
                    container=False)
            with gr.Column(min_width=32, scale=1):
                submitBtn = gr.Button("Submit", variant="primary")
        with gr.Column(scale=1):
            emptyBtn = gr.Button("Clear History")
            max_length = gr.Slider(0, 4096, value=2048, step=1.0, label="Maximum length", interactive=True)
            top_p = gr.Slider(0, 1, value=0.7, step=0.01, label="Top P", interactive=True)
            temperature = gr.Slider(0, 1, value=0.95, step=0.01, label="Temperature", interactive=True)

    history = gr.State([])

    submitBtn.click(predict, [user_input, chatbot, max_length, top_p, temperature, history], [chatbot, history],
                    show_progress=True)
    submitBtn.click(reset_user_input, [], [user_input])

    emptyBtn.click(reset_state, outputs=[chatbot, history], show_progress=True)

demo.queue().launch(share=False, inbrowser=True)

这段代码的主要目标是使用预训练的ChatGPT模型（"THUDM/chatglm-6b"）来构建一个基于web的交互式聊天机器人。以下是对代码中每行或每个代码块的解释：

导入必要的库：
pythonCopy code

from transformers import AutoModel, AutoTokenizer
import gradio as gr
import mdtex2html

transformers是一个NLP库，提供了很多预训练模型。AutoModel和AutoTokenizer是用来自动加载对应的模型和tokenizer的方法。gradio是用于构建交互式UI的库，而mdtex2html是将markdown转换为html的工具。
加载预训练模型和tokenizer：
pythonCopy code

tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True) model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).half().cuda() model = model.eval()

这些代码行加载了名为"THUDM/chatglm-6b"的预训练模型和它的tokenizer。half()方法将模型的数据类型转换为半精度浮点型，这可以在GPU上加快计算速度。cuda()方法将模型移动到GPU上。model.eval()设置模型为评估模式。

重写Chatbot.postprocess方法：
pythonCopy code

def postprocess(self, y): if y is None: return [] for i, (message, response) in enumerate(y): y[i] = ( None if message is None else mdtex2html.convert((message)), None if response is None else mdtex2html.convert(response), ) return y gr.Chatbot.postprocess = postprocess

这部分代码重写了gr.Chatbot的postprocess方法，将输入的消息和机器人的回复从markdown格式转化为html格式。
定义parse_text函数：
pythonCopy code

def parse_text(text): ... return text

这个函数处理输入的文本，例如替换特定的字符和添加HTML标签。
定义predict函数：
pythonCopy code

def predict(input, chatbot, max_length, top_p, temperature, history): ...

这个函数使用预训练的模型生成聊天机器人的回复。它接收一些参数，如输入文本、聊天记录、生成的最大长度、生成概率阈值和生成的"温度"。
定义reset_user_input和reset_state函数：
pythonCopy code

def reset_user_input(): return gr.update(value='') def reset_state(): return [], []

这些函数用于重置用户的输入和聊天机器人的状态。
创建一个Gradio UI界面：
pythonCopy code

with gr.Blocks() as demo: ... demo.queue().launch(share=False, inbrowser

创建一个Gradio UI界面 (续)：
pythonCopy code
```
with gr.Blocks() as demo:
    gr.HTML("""<h1 align="center">ChatGLM</h1>""")

    chatbot = gr.Chatbot()
    with gr.Row():
        with gr.Column(scale=4):
            with gr.Column(scale=12):
                user_input = gr.Textbox(show_label=False, placeholder="Input...", lines=10).style(container=False)
            with gr.Column(min_width=32, scale=1):
                submitBtn = gr.Button("Submit", variant="primary")
        with gr.Column(scale=1):
            emptyBtn = gr.Button("Clear History")
            max_length = gr.Slider(0, 4096, value=2048, step=1.0, label="Maximum length", interactive=True)
            top_p = gr.Slider(0, 1, value=0.7, step=0.01, label="Top P", interactive=True)
            temperature = gr.Slider(0, 1, value=0.95, step=0.01, label="Temperature", interactive=True)

    history = gr.State([])

    submitBtn.click(predict, [user_input, chatbot, max_length, top_p, temperature, history], [chatbot, history], show_progress=True)
    submitBtn.click(reset_user_input, [], [user_input])

    emptyBtn.click(reset_state, outputs=[chatbot, history], show_progress=True)

demo.queue().launch(share=False, inbrowser=True)
```
这部分代码使用Gradio库来创建一个web界面，该界面包括输入框（user_input）、提交按钮（submitBtn）、清空按钮（emptyBtn）以及用于控制模型的一些滑动条。在界面中，你可以输入文字，然后点击提交按钮使机器人生成回应。清空按钮则用来清空聊天历史和模型状态。

history = gr.State([])这行代码创建了一个State对象，用来保存聊天历史。

submitBtn.click(predict, [user_input, chatbot, max_length, top_p, temperature, history], [chatbot, history], show_progress=True)这行代码连接提交按钮的点击事件和predict函数。当你点击提交按钮时，会调用predict函数，并将输入框中的文字、聊天机器人对象、滑动条的值以及聊天历史作为参数传入。

submitBtn.click(reset_user_input, [], [user_input])这行代码连接提交按钮的点击事件和reset_user_input函数，所以当你点击提交按钮后，输入框中的文字会被清空。

emptyBtn.click(reset_state, outputs=[chatbot, history], show_progress=True)这行代码连接清空按钮的点击事件和reset_state函数，所以当你点击清空按钮后，聊天机器人的历史和状态会被清空。

demo.queue().launch(share=False, inbrowser=True)这行代码将界面部署到本地的web服务器，并在浏览器中打开。share=False表示不与其他人分享这个界面，inbrowser=True表示在当前的浏览器中打开这个界面。

已经解释了整段代码，为了让你更好地理解，我将重述一下这段代码的主要功能：

这个脚本创建了一个使用预训练模型"THUDM/chatglm-6b"的聊天机器人，用户可以在web界面上与它进行交互。用户可以输入消息，然后机器人会根据消息内容生成回应。

具体来说，以下是用户在界面上可以进行的操作：

输入消息：用户可以在文本框中输入消息，然后点击"Submit"按钮将消息发送给机器人。
控制模型：用户可以使用滑动条来控制模型的几个参数，包括生成的最大长度（"Maximum length"）、生成的概率阈值（"Top P"）以及生成的"温度"（"Temperature"）。
清空历史：用户可以点击"Clear History"按钮来清空聊天历史和模型状态。

除此之外，该脚本还做了一些额外的处理，例如将输入和输出的文本从markdown格式转化为html格式，以及在生成回应之后自动清空输入框。

人工智能开发语言

转载请说明出处内容投诉
CSS教程_站长资源网 » ChatGLM-6B源码解析之 web_demo.py

清道夫环保网

分享到：

清道夫环保网

相关推荐

发表评论

一个令你着迷的主题！