宿舍晚上温度高，那是你没听“鬼故事”
摘要：天热嘛，出身冷汗就好了。这次给大家准备了一个AI鬼故事生成器，保证用完让你瑟瑟发抖。
Hello大家好，我是B站UP主苏苏思量，最近又要开学了。
不禁让我想起之前读书时候，宿舍没空调，晚上睡不着的经历。
所以，用代码为大家排忧解难的我又来了！
天热嘛，出身冷汗就好了。
这次给大家准备了一个AI鬼故事生成器，保证用完让你瑟瑟发抖。
这个生成器的本质就是喂给AI模型一些鬼故事后，让它进行自由文本生成。
文末有福利哦，千万不要错过！
说起生成中文，这次我用的是OPENAI发布的GPT 2模型结合pytorch来进行训练。
首先设置输入参数，包括词库地址，是否预处理，学习率，最短字数等等等等。
然后声明一个全新的GPT2模型。
为了在稍后的迭代中看到实时进度条，还得加一个tqdm模块。
但是！
我的个人电脑配置是英特尔i7加英伟达GEFORCE GTX的GPU。
之前用几百K的数据训练一个SVM都得将近一小时。这次训练这么高级的模型，不得跑一周吗！
为了提高训练效率，还是得上云，来吧华为云ModelArts在线写码在线调试。
首先把刚刚的文件都上传存储在OBS。
然后回到ModelArts，左侧“开发环境”-“notebook”，这里既可以选择免费体验版，也可以选择付费加速版（结尾有福利，可以领取免费试用付费版哦）。
在本地读取指定路径下的文件要写成这样：
model_config = transformers.modeling_gpt2.GPT2Config.from_json_file("文件在本地的地址")
在modelArts的notebook里要使用华为云的moxing包
import moxing as mox mox.file.make_dirs('/cache') mox.file.copy_parallel('obs://{obs桶名称}/{桶内文件地址}', '{执行机中地址}') model_config = transformers.modeling_gpt2.GPT2Config.from_json_file(''{执行机中地址}'')
在本地读去用户传进来的参数的时候，是这样的：
args = parser.parse_args()
但是在modelArts的notebook里调试的时候，要改成这样。
args, unparsed = parser.parse_known_args()
Notebook支持分块执行，调试起来也更加轻松。
接着把数据按照刚刚设置的epoch和batch size分割。
然后传递给pytorch去构建张量。
接着设置前向传播，损失函数，反向传播，优化步骤。
全部设置好，之后，就可以开始训练啦！
果然烧别人家的GPU就是不心疼，本来可能要一周的项目，很快就训练好了。
现在来试一下给你们的开学礼物的效果吧。
附件给大家提供了所有文件和一个简化版的训练文本（只有几百K，训练起来很快，方便大家快速拿到结果，早点来抢礼物哟）
只需要把nlpdata文件夹里的数据传到OBS，然后把notebook1.py中的代码复制到ModelArts的notebook中的第一个模块，然后点击run；
接着把notebook2.py中的代码复制到下一个模块，然后把里面我的OBS文件地址，改成你的OBS内文件地址，点击run，就开始训练啦！
训练结束后，把notebook3.py中的代码复制到下一个模块，把里面我的文件的OBS文件地址，改成你的OBS内文件地址，点击run，就能生成属于你的鬼故事啦！
为了感谢大家对我的支持，特意为大家带来了2个福利，并且还有机会获得精美奖品哦（业界良心，全国包邮），欢迎大家参与。
