#### peft version: '0.2.0.dev0'
from peft import PeftModel, PeftConfig
from transformers import AutoModelForSeq2SeqLM, AutoTokenizer
import pandas as pd
import torch
peft_model_id = "svjack/mt0-large-comet-atomic-zh-peft-early-cpu"
config = PeftConfig.from_pretrained(peft_model_id)
tokenizer = AutoTokenizer.from_pretrained(config.base_model_name_or_path)
model = AutoModelForSeq2SeqLM.from_pretrained(config.base_model_name_or_path)
#### model.device "cpu"
device = "cpu"
model = PeftModel.from_pretrained(model, peft_model_id)
model.eval()
print("have load")
NEED_PREFIX = '以下事件有哪些必要的先决条件:'
EFFECT_PREFIX = '下面的事件发生后可能会发生什么:'
INTENT_PREFIX = '以下事件的动机是什么:'
REACT_PREFIX = '以下事件发生后,你有什么感觉:'
event = "X吃了一顿美餐。"
for prefix in [NEED_PREFIX, EFFECT_PREFIX, INTENT_PREFIX, REACT_PREFIX]:
prompt = "{}{}".format(prefix, event)
encode = tokenizer(prompt, return_tensors='pt').to(device)
answer = model.generate(input_ids = encode.input_ids,
max_length = 128,
num_beams=2,
top_p = 0.95,
top_k = 50,
repetition_penalty = 2.5,
length_penalty=1.0,
early_stopping=True,
)[0]
decoded = tokenizer.decode(answer, skip_special_tokens=True)
print(prompt, "\n---答案:", decoded, "----\n")
</br>
以下事件有哪些必要的先决条件:X吃了一顿美餐。
---答案: X去超市购物 ----
下面的事件发生后可能会发生什么:X吃了一顿美餐。
---答案: X变胖 ----
以下事件的动机是什么:X吃了一顿美餐。
---答案: X想吃好吃的东西 ----
以下事件发生后,你有什么感觉:X吃了一顿美餐。
---答案: 我可以放松一下 ----