---
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 ----
```