本指南将引导你学习构建一个自动完成任意输入文本的Web应用程序。
作者 |Dev Sharma 译者 |苏本如，责编 | 郭芮 出品 | CSDN（ID：CSDNnews）
以下为译文：
在本文中，我们将使用OpenAI的新一代表语言模型GPT-2来建立模型，使用Panel框架来构建web页面的仪表板。本指南分为两部分。在第一部分中，我们将加载我们的模型并编写一个预测函数。在第二部分中，我们将构建一个web应用程序。 自动生成文本的应用程序示例。我们将构建这个web应用程序的一个更简单的变体。准备工作本教程假设你已经安装了Python 3.7+，并且对语言模型有一定的了解。尽管本教程所涉及的所有步骤都可以在Jupyter之外完成，但是强烈建议你使用jupyter notebook。 我们将使用PyTorch作为我们选择的深度学习库。在PyTorch中，我们将使用transformers库导入预先训练好的OpenGPT-2模型。可以通过在bash命令行中分别输入以下命令来安装这些库：
pipinstalltorchpipinstalltransformers
对于我们的web应用程序，我们将利用Panel这个窗口容器/框架，这是一个很好的工具，可以被用来从jupyter notebooks或者常规的Python脚本中轻松地创建可维护的仪表板。可以使用以下命令安装Panel：
pipinstallpanel
第一部分：建立模型OpenAI的GPT是一种基于transformer的语言模型，它在生成类似人类语言的文本方面受到了很多关注。如果你以前没有尝试过，你很可能会在阅读结束时得出同样的观点。加载模型首先，我们需要导入所需的包。详情如下：
importnumpyasnpimporttorchimporttorch.nn.functionalasFfromtransformersimportGPT2Tokenizer,GPT2LMHeadModelfromrandomimportchoice
接下来，我们将加载OpenGPT2的Tokenizer和语言模型：（如果是第一次运行，可能需要几分钟下载预先训练的模型）
tok=GPT2Tokenizer.from_pretrained("gpt2")model=GPT2LMHeadModel.from_pretrained("gpt2")
预测函数
在这个阶段，大部分工作已经完成了。因为我们的模型是预先训练过的，所以我们不需要再次训练它或做任何修改。我们只需要编写一个函数，它可以向模型输入文本并生成预测的文本。
defget_pred(text,model,tok,p=0.7):input_ids=torch.tensor(tok.encode(text)).unsqueeze(0)logits=model(input_ids)[0][:,-1]probs=F.softmax(logits,dim=-1).squeeze()idxs=torch.argsort(probs,descending=True)res,cumsum=[],0.foridxinidxs:res.append(idx)cumsum+=probs[idx]ifcumsum>p:pred_idx=idxs.new_tensor([choice(res)])breakpred=tok.convert_ids_to_tokens(int(pred_idx))returntok.convert_tokens_to_string(pred)
这个函数中发生了很多事情。因此，让我们把它分解来看看。首先，我们对input_ids中的输入文本进行标记（tokenize）和编码（encode）。接着，我们要求我们的模型为下一个单词/标记（token）生成一个logits向量。在应用softmax函数并按降序对这些可能的概率结果进行排序之后，我们得到了一个向量idxs，它按各自的概率顺序列出了每个token的索引。
在这个阶段，我们可以选择概率最高的token。但是，我们希望能够混合结果，以便相同的输入文本可以生成各种文本。为此，我们将添加一个随机元素，从最可能的下一个token列表中选择一个随机token。这样的话，我们就不会每次都选择相同的预测token。为了做到这一点，我们采用了Nucleus (Top-p) Sampling 方式。 我们通过循环遍历每个概率来执行此操作，直到循环遍历的所有概率之和大于p（这里的p是一个介于0到1之间的任意数字）。当p被超过前，所有遍历到的token都将被存储在列表res中。一旦p被超过，我们就从这个列表中随机选择一个token。请记住，我们正在遍历的概率列表包含了其按概率排序的索引。注意，p值越高，我们的列表中将包含更多的token。反之亦然。因此，如果每次都希望得到相同的结果，可以将p值设置为0。 现在，让我们测试一下我们的预测函数： 每次都会有不同的结果，这正是我们所期望的。现在,我们的预测功能准备好了。让我们开始构建我们的Web应用程序吧！第二部分：构建web应用程序Panel框架简介如果你还不熟悉Panel框架，那请记住，Panel框架可以帮助我们创建一个web仪表板和web应用程序。简而言之，你需要知道的是它有三个主要组件：
Panel：可以包含一个或多个窗格（pane）对象的容器，面板（pane）对象是指文本、图像、图形、小部件等（也可以包含其他panel）；
Pane：任何单个对象，例如文本、图像、数据帧等；
Widget（小部件）：用户可以自行调整的项目，包括文本输入框、滑块、按钮、复选框，等等可以改变窗格的行为的小部件。
下一个也是最后一个你需要知道的事情是：我们有多种方法来定义不同的窗格和小部件之间的交互方式,我们称之为“callback(回调)”。例如，如果按下某个按钮，其他窗格应该如何更新呢？稍后我们将定义一个回调函数来演示它将如何准确地做到这一点。Web应用程序简介我们的文本生成器应用程序将有一个输入窗口，以便用户输入他们想要输入的文本。接下来，用户应该能够通过按下按钮生成新的token。在这之后，它将使用我们在第一部分中定义的预测函数来预测新的token来生成新文本。最后，用户应该能够在已经预测的token基础之上继续生成新的文本。实施让我们首先导入Panel并创建文本输入小部件：
importpanelaspnpn.extension()#loadingpanel'sextensionforjupytercompatibilitytext_input=pn.widgets.TextInput()
现在，如果在jupyter中执行文本输入，我们将得到以下结果：
接下来，我们需要一个窗格，它会在越来越多的token生成时存储整个文本：
generated_text=pn.pane.Markdown(object=text_input.value)
注意，这里我们将文本对象设置为text_input的值。我们希望generated_text的值与text_input的值相同，因为我们将要在generated_text之上预测新文本。随着越来越多的token被添加到我们的序列中，我们将继续基于generated_text进行预测，直到用户改变了text_input。一旦用户改变了text_input，这个进程将重新启动。
然而，到这里事情还没有完全结束。尽管generated_text将在开始时接受text_input的值，但如果text_input值发生更改，generated_text值将不会自我更新。为此，我们需要像下面这样将这两个对象链接在一起：
text_input.link(generated_text,value='object')
这里，我们在text_input和generated_text之间形成了单向链接。因此，每当text_input的值发生更改时，generated_text值也将更改为新值。如下所示：
观察面板中文的text_input和generated_text之间的链接行为。注意：作为组件的pn.Row也是一个面板，即它是一个窗格和小部件的容器。 现在我们有了两个文本对象，让我们来创建按钮小部件：
button=pn.widgets.Button(name="Generate",button_type="primary")
很好，现在我们有了一个按钮，我们只需要把它和我们想要的行为链接起来。为此，我们将编写一个回调函数，该函数将在每次单击按钮时运行：
defclick_cb(event):pred=get_pred(generated_text.object,model,tok)generated_text.object+=pred
这里发生了两件事。首先，我们将generated_text作为输入传递给我们之前编写的预测函数，该函数将生成一个新的token。其次，将此token添加到generated_text中。每次新单击按钮时，这个过程都会重复。 到这里，我们仍然需要将按钮单击事件与回调函数绑定在一起。我们可以这样做：
button.on_click(click_cb)
我们现在已经完成了所有小部件、窗格和函数的创建。接下来我们需要做的只是把这些东西放在一个面板里，然后看看会发现什么：
app=pn.Column(text_input,button,generated_text);app
注：pn.Column与pn.Row类似，它是另一种类型的panel，即小部件、窗格甚至其他panel的容器。 让我们再添加一个标题和一个简短的描述，我们就大功告成了！
title=pn.pane.Markdown("#**TextGenerator**")desc=pn.pane.HTML("<marqueescrollamount='10'><b>Welcometothetextgenerator!Inordertogetstarted,simplyentersomestartinginputtextbelow,clickgenerateafewtimesandwatchitgo!</b></marquee>")final_app=pn.Column(title,desc,app)
服务你的Web应用程序Panel框架使得服务web应用程序变得非常容易。有两种方法可以用来做这件事。第一个是调用“.show（）”命令。这种方法通常用于调试，如下面所示。它将启动一个新窗口，在这个窗口中，一个名为final_app的 panel将作为一个web应用程序运行。
final_app.show()
而为了让它在生产环境中运行，你需要使用“.servable（）”方法。但是，如果你以类似于show方法的方式运行此操作，你的笔记本上不会出现任何东西，你必须像下面这样在你的笔记本上运行bash脚本：
panelserve--showtext_generation_app.ipynb
只要你的笔记本中有以下代码，这个操作将在本地端口上启动你的web应用：
final_app.servable()
大功告成！
现在，你自己有能力构建一个自动生成文本的应用程序。你可以通过添加更多panel组件来进一步完善它。你甚至可以将此应用程序嵌入到其他项目中。像往常一样，你可以在github上找到我的代码库。注意：下面图片中的app是我在本教程中使用的app（text_generation_app.ipynb）的高级变体：。 原文：/build-a-text-generator-web-app-in-under-50-lines-of-python-9b63d47edabb 本文为 CSDN 翻译，转载请注明来源出处。 【End】
热门:Python 学习 100 天
/topic/python115?utm_source=csdn_bw
热 文推 荐
☞
