https://github.com/zhaoyingjun/chatbot

ChatGPT带火了聊天机器人，主流的趋势都调整到了GPT类模式，本项目也与时俱进，会在近期更新GPT类版本。基于本项目和自己的语料可以训练出自己想要的聊天机器人，用于智能客服、在线问答、闲聊等场景。
https://github.com/zhaoyingjun/chatbot

ai chatbot nlp-machine-learning python pytorch seq2seq-chatbot seqgan seqgan-tensorflow tensorflow2

Last synced: 24 days ago
JSON representation

ChatGPT带火了聊天机器人，主流的趋势都调整到了GPT类模式，本项目也与时俱进，会在近期更新GPT类版本。基于本项目和自己的语料可以训练出自己想要的聊天机器人，用于智能客服、在线问答、闲聊等场景。

• Host: GitHub
• URL: https://github.com/zhaoyingjun/chatbot
• Owner: zhaoyingjun
• Created: 2018-01-08T16:00:08.000Z (almost 7 years ago)
• Default Branch: master
• Last Pushed: 2024-06-26T13:37:21.000Z (5 months ago)
• Last Synced: 2024-10-01T21:21:36.585Z (about 1 month ago)
• Topics: ai, chatbot, nlp-machine-learning, python, pytorch, seq2seq-chatbot, seqgan, seqgan-tensorflow, tensorflow2
• Language: Python
• Homepage:
• Size: 75.6 MB
• Stars: 3,508
• Watchers: 113
• Forks: 1,023
• Open Issues: 96
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

• awesome-ChatGPT-repositories - chatbot - ChatGPT带火了聊天机器人，主流的趋势都调整到了GPT类模式，本项目也与时俱进，会在近期更新GPT类版本。基于本项目和自己的语料可以训练出自己想要的聊天机器人，用于智能客服、在线问答、闲聊等场景。 (Chatbots)
• awesome-list - chatbot - 一个可以自己进行训练的中文聊天机器人， 根据自己的语料训练出自己想要的聊天机器人，可以用于智能客服、在线问答、智能聊天等场景。 (Natural Language Processing / Conversation & Translation)
• StarryDivineSky - zhaoyingjun/chatbot

README

        
# chatbot

ChatGPT带火了聊天机器人，主流的趋势都调整到了GPT类模式，本项目也与时俱进，会在近期更新更新GPT类版本。

这是一个可以使用自己语料进行训练的中文聊天机器人项目，欢迎大家实践交流以及Star、Fork。

# Seq2Seq版本效果参考（训练进度50%）

![img_1.png](img_1.png) ![img_2.png](img_2.png)

# RoadMap:

V1.1:Update:2024-09-30

1)增加MindSpore版本，优先在MindSpore版本上引入GPT模型，RLHF等特性。

2）整体工程架构分为Seq2Seq和GPT两大分支，继续保持多AI框架版本演进。

V1.2:Update:2024-12-30(Maybe)

1）实现类似mini-GPT4的功能，可以进行图文多模态的对话，主要提升趣味性和丰富性。

2）增强分布式集群训练相关能力和RLHF等特性。

# seq2seq版本代码执行顺序

大家可以使用小黄鸡的语料，下载地址https://github.com/zhaoyingjun/chatbot/blob/master/chineseChatbotWeb-tf2.0/seq2seqChatbot/train_data/xiaohuangji50w_nofenci.conv

1）、在下载好代码和语料之后，将语料文件放入train_data目录下，超参配置在config/seq2seq.ini文件中配置。。

2）、按照数据预处理器（data_utls.py)-->execute.py(执行器)-->app.py（可视化对话模块）的顺序执行就可以了。

3）、大规模分布式训练版本，参照horovod的启动方式 horovodrun -np n -H host1_ip:port,host2_ip:port,hostn_ip:port python3 excute.py

# 建议训练环境配置

ubuntu==18.04  

python==3.6  

TF2.X:

tensorflow==2.6.0

flask==0.11.1

horovod==0.24(分布式训练)

pytorch:

torch==1.11.0

flask==0.11.1

# 开源交流、联系方式

QQ：934389697