Create README.md

README.md

@@ -0,0 +1,53 @@
+---
+language:
+- zh
+pipeline_tag: text2text-generation
+---
+
+```python
+from transformers import T5ForConditionalGeneration
+from transformers import T5TokenizerFast as T5Tokenizer
+import pandas as pd
+model = "svjack/comet-atomic-zh"
+device = "cpu"
+#device = "cuda:0"
+tokenizer = T5Tokenizer.from_pretrained(model)
+model = T5ForConditionalGeneration.from_pretrained(model).to(device).eval()
+
+NEED_PREFIX = '以下事件有哪些必要的先决条件：'
+EFFECT_PREFIX = '下面的事件发生后可能会发生什么：'
+INTENT_PREFIX = '以下事件的动机是什么：'
+REACT_PREFIX = '以下事件发生后，你有什么感觉：'
+
+event = "X吃了一顿美餐。"
+for prefix in [NEED_PREFIX, EFFECT_PREFIX, INTENT_PREFIX, REACT_PREFIX]:
+    prompt = "{}{}".format(prefix, event)
+    encode = tokenizer(prompt, return_tensors='pt').to(device)
+    answer = model.generate(encode.input_ids,
+                           max_length = 128,
+        num_beams=2,
+        top_p = 0.95,
+        top_k = 50,
+        repetition_penalty = 2.5,
+        length_penalty=1.0,
+        early_stopping=True,
+                           )[0]
+    decoded = tokenizer.decode(answer, skip_special_tokens=True)
+    print(prompt, "\n---答案：", decoded, "----\n")
+```
+
+</br>
+
+```json
+以下事件有哪些必要的先决条件：X吃了一顿美餐。 
+---答案： X买了食物 ----
+
+下面的事件发生后可能会发生什么：X吃了一顿美餐。 
+---答案： X会吃到好的食物 ----
+
+以下事件的动机是什么：X吃了一顿美餐。 
+---答案： X想吃东西 ----
+
+以下事件发生后，你有什么感觉：X吃了一顿美餐。 
+---答案： X的味道很好 ----
+```