SMILE 开源项目安装与使用指南
2024-09-25 22:12:47作者:伍希望
项目概述
SMILE(Single-turn to Multi-turn Inclusive Language Expansion)是一个专为心理健康支持设计的开源项目。它利用ChatGPT技术将单轮对话扩展为多轮对话,以模拟更贴近真实的心理咨询场景。该项目提供了名为MeChat的聊天机器人模型,以及用于生成训练数据的工具,帮助提升心理健康对话系统的质量和实用性。
项目目录结构及介绍
SMILE项目的目录结构清晰,主要组成部分如下:
.
├── data # 包含原始数据和经SMILE处理后的多轮对话数据集
├── dataloader.py # 数据加载器的实现文件
├── convert_to_training_set.py # 将对话转换成训练样本的脚本
├── requirements.txt # 项目所需Python库列表
├── train.py # 训练模型的入口脚本
├── lora_tune.sh # 微调模型的bash脚本
├── merge_lora.py # 合并LoRA权重的脚本
├── model.py # 自定义模型结构或预训练模型加载的文件
├── utils.py # 辅助函数集合
├── MeChat.py # 项目的核心交互文件,用于运行对话系统
├── README.md # 项目介绍和使用说明
└── ... # 其他辅助文件或配置文件
项目的启动文件介绍
MeChat.py
这是项目的主交互文件,用于启动心理健康支持的对话机器人。用户通过此文件可以直接与MeChat进行对话。运行此文件前,需确保已正确安装所有依赖,并且你的GPU具有足够的显存(至少20GB)。使用方法简单,只需执行python MeChat.py命令,随后便可以通过命令行界面输入问题,与聊天机器人互动。
示例交互流程:
- 启动: 在终端或命令行界面运行
python MeChat.py - 输入: 用户作为“来访者”输入问题或陈述,如“我感到很焦虑。”
- 响应: 机器人作为“咨询师”依据预设的指令和模型生成合适的回复,旨在模仿专业心理咨询的对话风格。
项目的配置文件介绍
SMILE项目并没有明显的独立配置文件,其配置主要是通过脚本内部参数进行管理的。例如,在MeChat.py中,你可以通过修改指令字符串来定制聊天机器人的行为模式或对话引导。此外,模型的微调和运行配置是通过脚本和命令行参数(如在lora_tune.sh脚本中指定的温度temperature=0.8, top_p=0.8等)来控制的。
环境配置: 关键步骤在于环境的搭建,遵循requirements.txt列出的依赖项进行安装,确保环境满足项目需求。
安装与初步运行步骤
-
克隆项目:
git clone https://github.com/qiuhuachuan/smile.git -
安装依赖:
pip install -r smile/requirements.txt -
运行对话系统:
python smile/MeChat.py
通过以上步骤,即可启动SMILE项目,开始与基于MeChat的聊天机器人进行交互,探讨心理健康相关话题。请注意,使用过程中,务必遵循项目附带的法律和道德指导,尊重用户隐私,正确理解和应用机器人给出的建议。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
404
3.14 K
Ascend Extension for PyTorch
Python
224
250
暂无简介
Dart
672
159
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
319
React Native鸿蒙化仓库
JavaScript
262
325
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
657
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220