116 lines
3.6 KiB
Markdown
116 lines
3.6 KiB
Markdown
---
|
||
license: apache-2.0
|
||
datasets:
|
||
- ystemsrx/Bad_Data_Alpaca
|
||
- ystemsrx/Toxic-All
|
||
- ystemsrx/Erotic_Literature_Collection
|
||
language:
|
||
- zh
|
||
base_model:
|
||
- Qwen/Qwen2.5-1.5B-Instruct
|
||
pipeline_tag: text2text-generation
|
||
library_name: adapter-transformers
|
||
tags:
|
||
- not-for-all-audiences
|
||
---
|
||
|
||
[English](README.en.md)
|
||
|
||
# Qwen2.5-Sex
|
||
|
||
## 简介
|
||
|
||
Qwen2.5-Sex 是基于 Qwen2.5-1.5B-Instruct 微调的模型，主要训练于大量色情文学作品及敏感数据集。由于数据集主要为中文，模型在处理中文文本时效果更佳。
|
||
|
||
> **警告**：本模型仅供研究和测试使用，用户需遵循当地法律法规，承担自身行为的责任。
|
||
|
||
## 模型使用
|
||
|
||
要实现**连续对话**，请使用以下代码：
|
||
|
||
```python
|
||
from transformers import AutoModelForCausalLM, AutoTokenizer
|
||
import torch
|
||
import os
|
||
|
||
# 可调参数，建议在文本生成时设置为较高值（温度不要太高）
|
||
TOP_P = 0.9 # Top-p (nucleus sampling)，范围0到1
|
||
TOP_K = 80 # Top-k 采样的K值
|
||
TEMPERATURE = 0.3 # 温度参数，控制生成文本的随机性
|
||
|
||
device = "cuda" if torch.cuda.is_available() else "cpu"
|
||
|
||
# 获取当前脚本目录，亦可改为绝对路径
|
||
current_directory = os.path.dirname(os.path.abspath(__file__))
|
||
|
||
# 加载模型和分词器
|
||
model = AutoModelForCausalLM.from_pretrained(
|
||
current_directory,
|
||
torch_dtype="auto",
|
||
device_map="auto"
|
||
)
|
||
tokenizer = AutoTokenizer.from_pretrained(current_directory)
|
||
|
||
# 系统指令（建议为空）
|
||
messages = [
|
||
{"role": "system", "content": ""}
|
||
]
|
||
|
||
while True:
|
||
# 获取用户输入
|
||
user_input = input("User: ").strip()
|
||
|
||
# 添加用户输入到对话
|
||
messages.append({"role": "user", "content": user_input})
|
||
|
||
# 准备输入文本
|
||
text = tokenizer.apply_chat_template(
|
||
messages,
|
||
tokenize=False,
|
||
add_generation_prompt=True
|
||
)
|
||
model_inputs = tokenizer([text], return_tensors="pt").to(device)
|
||
|
||
# 生成响应
|
||
generated_ids = model.generate(
|
||
model_inputs.input_ids,
|
||
max_new_tokens=512,
|
||
top_p=TOP_P,
|
||
top_k=TOP_K,
|
||
temperature=TEMPERATURE,
|
||
do_sample=True,
|
||
pad_token_id=tokenizer.eos_token_id # 避免警告
|
||
)
|
||
generated_ids = [
|
||
output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
|
||
]
|
||
|
||
# 解码并打印响应
|
||
response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
|
||
print(f"Assistant: {response}")
|
||
|
||
# 将生成的响应添加到对话中
|
||
messages.append({"role": "assistant", "content": response})
|
||
|
||
```
|
||
|
||
## 数据集
|
||
|
||
Qwen2-Sex 模型使用了大量色情文学和敏感数据集进行微调，这些数据集涵盖道德、法律、色情及暴力等主题。由于微调数据集为中文，模型在处理中文时表现更佳。如欲进一步了解，可通过以下链接获取：
|
||
|
||
- [Bad Data](https://huggingface.co/datasets/ystemsrx/bad_data.json)
|
||
- [Toxic-All](https://huggingface.co/datasets/ystemsrx/Toxic-All)
|
||
- [Erotic Literature Collection](https://huggingface.co/datasets/ystemsrx/Erotic_Literature_Collection)
|
||
|
||
有关更多数据集的信息，请访问我们的[GitHub](https://github.com/ystemsrx)以查看它们的获取方式。
|
||
|
||
## GitHub 仓库
|
||
|
||
如需了解该系列模型的详细信息及持续更新，请访问我们的 GitHub 仓库：
|
||
|
||
- [GitHub: ystemsrx/Qwen2.5-Sex](https://github.com/ystemsrx/Qwen2.5-Sex)
|
||
|
||
## 声明
|
||
|
||
本模型提供的所有内容仅供研究和测试，模型开发者不对任何滥用行为负责。使用者需遵循相关法律法规，并承担因使用本模型产生的所有责任。
|