在这个示例中，我们使用了Hugging Face的transformers库，它提供了方便的接口来加载预训练的Transformer模型（如GPT）和相应的分词器。我们首先加载了预训练的GPT模型和分词器。
接下来，我们设置了生成文本的长度（max_length）和温度（temperature）。max_length定义了生成文本的最大长度限制，temperature控制了生成文本的随机性和多样性。较高的温度值会导致更多的随机性，而较低的温度值会导致更加确定性的生成。
然后，我们设置了生成文本的起始输入（input_text）。在这个示例中，我们以"Once upon a time"作为起始输入。
接下来，我们使用分词器将输入文本编码成输入张量（input_ids）。
最后，我们使用GPT模型的generate方法生成文本序列。我们指定了最大生成长度、温度值和返回序列的数量。生成的文本序列存储在output中。
最后，我们使用分词器将生成的文本序列解码成可读的文本并打印出来。
需要注意的是，这只是一个简单的示例，用于说明如何使用预训练的GPT模型进行文本生成。实际上，GPT
