前言：这是一篇很不严肃的实验文章。每一个会修电脑的人，都可以很容易地照着本文的描述，自己去操作一遍。

大概一周前，百度不是发布了一个“取得重要进展”的对话生成网络 PLATO-2 吗？我当时一看到那消息，精神就来了，为什么？这得先从解释一下“这玩意是干什么用的”说起——毕竟，这篇文章要让每一个群众都能看得懂，大家好才是真的好。

近日，百度发布对话生成网络 PLATO-2，宣布在开放域对话生成模型上迎来重要进展。PLATO-2 承袭 PLATO 隐变量进行回复多样化生成特性，模型参数高达 16 亿，涵盖中英文版本，可就开放域话题深度畅聊。实验结果显示，PLATO-2 中英文对话效果已超越谷歌 Meena、微软小冰和 Facebook Blender 等先进模型。

咳咳，这些专业术语说的是什么鬼？
如果你完全看不明白这段话，只需要知道：它说的是和NLP（自然语言处理，一门机器学习的分支学科）相关的一些东西。
可能有的人只听说过这段话里提到的“微软小冰”——她的主要功能就是一个【聊天机器人】，和小米的“小爱同学”颇为相似。
“小爱同学，帮我把空调打开！” “好的，开啦！”
——相信这样的场景，早已飞入我国千千万万寻常百姓家。
所以，百度发布的这个 PLATO-2，它可以用来做“小爱同学”的大脑，也就是最核心的那一块功能。不过现实中的“小爱同学”远比这个复杂，在这里只是做一个比喻而已。

其实我对NLP也是一窍不通，但是我却算是半个英语学习爱好者，每周几乎都要在Cambly平台上和native English speaker对话交流两次。另外，2020年1月的时候，Google发布了一个号称是技术极其牛B的聊天机器人：Meena，我做梦都想能把花在Cambly上练口语的钱给省下来啊！苦于Google只是写了篇文章把Meena推到众人面前，却没有提供任何代码以及demo，所以当我看到度娘说“我整了一个比Meena还要牛B的机器人”的时候，我简直要感动哭了——度娘，你是我的救世主！
文章来源：https://www.codelast.com/
还等什么？赶紧把这个机器人的代码跑起来啊！等不及了我马上就要上车！
2话不说，找到PLATO-2的GitHub地址，checkout下来，看了一眼 README，貌似开箱即可用，我的心情乐开了花。
看一下运行PLATO-2的要求：

- python >= 3.7.0
- paddlepaddle-gpu >= 1.8.1
- numpy
- sentencepiece
- termcolor

没有什么过多的依赖，这很好。
文章来源：https://www.codelast.com/
看到 paddlepaddle-gpu 的时候，就知道用CPU的机器还不行，可能是inference的速度真的太慢了吧？但我去哪搞一台GPU的机器呢？当然是蹭公司的啦。感谢公司！
为了干净，最好还是在Anaconda下新建一个Python 3.7的 env，然后再安装其他依赖的 Python package。
按百度官方文档就可以很容易搞定一切。
我这里只简要地把几个主要步骤描述一下。
先添加清华的源，再创建为PaddlePaddle创建一个单独的 env：

conda create --name paddle python=3.7
conda activate paddle

完了之后，剩下的安装步骤就简单啦：

conda install paddlepaddle-gpu cudatoolkit=10.0
conda install -c conda-forge sentencepiece
conda install termcolor

注意，这里我使用的是 cudatoolkit=10.0，这是因为我机器上的 CUDA Version 是10.x 版本。
最后按百度官方文档测试一下安装上的 PaddlePaddle 是否正常，就行了。
文章来源：https://www.codelast.com/
现在可以把 PLATO-2 用起来了。把它 GitHub 页面上提供的那两个预训练模型下载到GPU机器上（一个体积小参数少，另一个体积大参数多），按百度的文档里说的，解压到 Knover 目录下：

下面就可以把“交互式对话”的程序跑起来了（会加载刚下载的模型）：

cd Knover/plato-2/
bash ./scripts/32L_plato_interact.sh

在这里，我用的是体积大参数多的那个模型 32L。
经过一小段时间的耐心等待，模型完全加载好了，看一下显存占用情况，17个G：

+-------------------------------------------------------------------------+

| Processes:                                                       GPU Memory |

|  GPU       PID   Type   Process name                             Usage      |

|============================================================|

|    0     38736      C   python                                     17229MiB |