用Python和Transformer生成文本的核心是加载预训练模型、准备输入、调用generate接口；借助Hugging Face的transformers库，可快速通过pipeline或手动tokenizer+model实现生成，并支持temperature、top_k等参数调控及bad_words_ids等进阶控制。
用 Python 和 Transformer 模型生成文本，核心是加载预训练模型、准备输入、调用生成接口——不需从头训练，Hugging Face 的 transformers 库让这件事变得非常直接。
安装依赖与加载基础模型
先确保安装了关键库：
-
pip install transformers torch（PyTorch 是默认后端） - 推荐加装
accelerate以支持显存优化和多卡推理
选一个轻量又实用的开源模型，比如 distilgpt2（GPT-2 的精简版，速度快、显存友好）：
from transformers import pipeline
generator = pipeline("text-generation", model="distilgpt2")
简单生成：给提示词，得续写结果
只需一行代码就能生成文本：
立即学习“Python免费学习笔记（深入）”；
培训招生教育类网站模板(响应式)1.4.2
下载
培训招生教育类网站模板(响应式)安装即用，自带人人站CMS内核，支持响应式，前端banner轮播图文本均已进行可视化配置，伪静态页面生成，支持内容模型、多语言、自定义表单、筛选、多条件搜索等功能，支持多种URL模式及模型。模板特点：1、安装即用，自带人人站CMS内核及企业站展示功能（产品，新闻，案例展示等），并可根据需要增加表单 搜索等功能（自带模板） 2、支持响应式 3、前端banner轮播图文
output = generator("今天天气不错，我想去", max_length=50, num_return_sequences=1)
print(output[0]["generated_text"])
-
max_length控制总长度（含输入），不是只生成多少字 -
num_return_sequences=3可一次返回多个不同版本，便于对比选择 - 若想控制“创造性”，可调整
temperature=0.7（越低越保守，越高越随机）或启用top_k=50/top_p=0.9进行采样过滤
进阶控制：手动 tokenizer + model 调用
当需要更精细干预（如禁止某些词、添加前缀、控制停止符），建议绕过 pipeline，直接操作模型：
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
tokenizer = AutoTokenizer.from_pretrained("distilgpt2")
model = AutoModelForCausalLM.from_pretrained("distilgpt2")
input_text = "Python 中列表推导式的语法是"
input_ids = tokenizer.encode(input_text, return_tensors="pt")
output_ids = model.generate(
input_ids,
max_new_tokens=64,
do_sample=True,
temperature=0.85,
pad_token_id=tokenizer.eos_token_id
)
generated_text = tokenizer.decode(output_ids[0], skip_special_tokens=True)
-
max_new_tokens更直观：只限制新生成的 token 数量 -
pad_token_id设为 eos_token_id 可避免警告，尤其在 batch 推理时必要 - 如需禁止生成特定词（如“错误”、“bug”），可用
bad_words_ids参数传入 token ID 列表
本地部署小贴士
在消费级显卡（如 RTX 3060 12G）上跑 distilgpt2 完全没问题；若换更大模型（如 facebook/opt-1.3b 或 google/gemma-2b）：
- 加
device_map="auto"让 accelerate 自动分配显存 - 用
load_in_4bit=True加载量化模型，显存占用直降 60%+ - 中文任务优先选专为中文微调的模型，如
uer/roberta-base-finetuned-jd-binary-chinese（分类）或IDEA-CCNL/Ziya-LLaMA-13B-v1（生成），别硬套英文模型
不复杂但容易忽略：生成质量高度依赖提示词（prompt）设计。一个清晰、带语境、有风格指示的开头，比调参更能提升结果可用性。
