新知榜官方账号
2023-10-19 02:24:14
ChatGLM由清华和智普AI共同研发并开源,是一个中、英双语的60亿参数规模的对话模型。使用ChatGLM需要安装huggingface的transformers库,硬件需要12GB的显存。调用ChatGLM-6B模型的代码案例如下:
from transformers import AutoTokenizer, AutoModel
tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True)
model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).half().cuda()
response, history = model.chat(tokenizer, "你好", history=[])
print(response)
response, history = model.chat(tokenizer, "介绍一下广州这个城市", history=history)
print(response)
response, history = model.chat(tokenizer, "有什么好吃的吗,另外有什么好玩的地方", history=history)
print(response)
response, history = model.chat(tokenizer, "1和2那个大", history=[])
print(response)
response, history = model.chat(tokenizer, "接下来我们做一些中英文翻译", history=[])
print(response)
response, history = model.chat(tokenizer, "我热爱我的国家,他是如此的美丽壮阔;我热爱我的国家,他英雄辈出;我热爱我的国家,他有着上下5000年绵延不绝的历史", history)
print(response)
ChatGLM模型文件会默认下载到你当前用户的.cache目录下,模型大小约12GB,需要10GB的显存加载。需要注意的是,需要你当前机器能访问huggingface的模型库,一般设置个香港或者海外代理即可。
ChatGLM可以应用于基本的问答场景以及中英文翻译等领域。在问答场景中,ChatGLM能够根据用户的提问,给出相应的回答。在中英文翻译领域,ChatGLM能够将中文翻译成英文,或将英文翻译成中文。
总的来说,ChatGLM在基本的问答场景以及中英文翻译上表现良好。但是在一些逻辑判断上可能存在较大问题。如果您对ChatGLM感兴趣,可以按照上面的代码进行试用。
相关工具
相关文章
推荐
用Deepseek写AI绘图提示词,像呼吸一样简单!
2025-02-19 16:12
你以为AI绘画是黑科技?其实早成了“路边摊生意”!
2025-02-19 10:15
Flux爆火,全网最全面最详细的Flux使用教程!
2025-02-18 14:19
用AI如何创作音乐,实战教学来啦!
2025-02-17 17:23
MidJourney让你秒变绘画大神,从零开始画哪吒!
2025-02-17 14:56
AI应用新境界:让人工智能成为你的得力助手
2025-02-14 15:45
AI短片革命:当创作遇上智能,人人都能成为导演
2025-02-14 14:53
AI狂潮下的人类职场:是失业危机还是进化契机?
2025-02-13 16:53
开启影视创作新纪元,效率提升 10 倍的神器来了!
2025-02-13 15:11
深度解析DeepSeek:当AI技术照进创作产业的未来
2025-02-12 17:16