利用大模型设计测试用例

安装python 依赖 

pip install torch transformers accelerate sentencepiece

 

python代码，设计一个测试用例

from transformers import AutoTokenizer, AutoModelForCausalLM
import os
import torch  # 导入 torch 库

# 设置 HTTP 和 HTTPS 代理（如果需要）
os.environ['http_proxy'] = 'http://127.0.0.1:7890'
os.environ['https_proxy'] = 'http://127.0.0.1:7890'

# 禁用 symlink 警告
os.environ['HF_HUB_DISABLE_SYMLINKS_WARNING'] = '1'

# 加载 DistilGPT 模型和 tokenizer  google/gemma-2b  distilgpt2
tokenizer = AutoTokenizer.from_pretrained("google/gemma-2b")
model = AutoModelForCausalLM.from_pretrained("google/gemma-2b")

# 设置 pad_token_id（DistilGPT 默认没有设置 pad_token）
tokenizer.pad_token_id = tokenizer.eos_token_id  # 将 pad_token_id 设置为 eos_token_id

# 示例输入文本
input_text = "Once upon a time"
input_text = "怎么搭建Redis？"
input_text = "请设计一个登录测试用例？"

# 编码输入文本
input_ids = tokenizer.encode(input_text, return_tensors='pt')

# 创建 attention mask，1 表示实际的 token，0 表示 padding
attention_mask = (input_ids != tokenizer.pad_token_id).long()  # 使用 long()

# 生成文本
output = model.generate(input_ids, max_length=500, num_return_sequences=1, attention_mask=attention_mask, pad_token_id=tokenizer.eos_token_id)

# 解码输出
generated_text = tokenizer.decode(output[0], skip_special_tokens=True)

print(generated_text)

输出：