Die GPT3.5-Schnittstellenaufrufmethode umfasst hauptsächlich vier Teile: OpenAI-Installation, api_requestor.py-Ersatz, Schnittstellenaufruf und Beispielprogrammbeschreibung.
1 Openai-Installation
Die Python-Openai-Bibliothek kann direkt über pip install openai installiert werden. Wenn openai installiert wurde, nachfolgende Eingabeaufforderungen jedoch darauf hinweisen, dass ChatCompletion nicht gefunden werden kann, verwenden Sie bitte den Befehl „pip install -U openai“, um openai zu aktualisieren.
2 api_requestor.py-Ersatz
Nach der Installation von Python openai wird die Datei api_requestor.py generiert. Die Datei befindet sich im Dateiverzeichnis der Python-Umgebungsbibliothek „site-packagesopenaiapi_requestor.py“, wie unten gezeigt. Ersetzen Sie die Datei und antworten Sie auf api35 im öffentlichen Konto der Lele Sensing Academy, um die Datei zum Ersetzen zu erhalten.
pt-3.5-turbo-0301 . . (3) Temperatur: Steuert die Zufälligkeit des Ergebnisses. 0,0 bedeutet, dass das Ergebnis fest ist. Wenn die Zufälligkeit hoch ist, kann sie auf 0,9 eingestellt werden. (4) max_tokens: Die maximale Anzahl zurückgegebener Wörter (einschließlich Fragen und Antworten). Normalerweise machen chinesische Zeichen zwei Token aus. Angenommen, es ist auf 100 eingestellt. Wenn die Eingabefrage 40 chinesische Zeichen enthält, enthält das zurückgegebene Ergebnis bis zu 10 chinesische Zeichen. Die von der ChatGPT-API maximal zulässige Anzahl von Token beträgt 4096, d. h. die maximale Einstellung von max_tokens beträgt 4096 minus der Anzahl der Token in der Frage. (5) top_p: Auf 1 setzen. (6) Frequenz_Strafe: Einfach auf 0 setzen. (7) Anwesenheit_Strafe: Auf 0 setzen. (8) Stream: Kontinuierliche Ausgabe oder vollständige Ausgabe steuern. Es ist zu beachten, dass die oben genannten Eingabeparameter einen Stream hinzufügen, dh ob der Kontrollfluss für die Ausgabe verwendet werden soll. Wenn der Wert von stream False ist, werden alle Textergebnisse vollständig zurückgegeben, was über Response.choices[0].delta['content'] gelesen werden kann. Je größer die Anzahl der Wörter ist, desto länger ist jedoch die Wartezeit für die Rückgabe. Beim Lesen des Kontrollflusses kann die Zeit bis zu 4 Wörter/Sekunde betragen. Wenn der Wert von Steam True ist, ist das zurückgegebene Ergebnis ein Python-Generator, der durch Iteration erhalten werden muss. Der Durchschnitt liegt bei etwa 4 Wörtern pro Sekunde (134 Wörter in 33 Sekunden und 157 Wörter in 39 Sekunden). Das Leseprogramm lautet wie folgt. 4 Nachricht Das Nachrichtenfeld besteht aus zwei Teilen: Rolle und Inhalt, wie unten gezeigt:Windows:
C:ProgramDataAnaconda3Libsite-packagesopenaiapi_requestor.py
oder
C:ProgramDataAnaconda3envsxxxlibsite-packagesopenaiapi_requestor.py
Linux
/root/miniconda3/lib/pythonxx/site-packages/openaiapi _requestor.py
oder
/root/miniconda3 /envs/xxx/lib/pythonxx/site-packages/openaiapi_requestor.py
Ersetzen Sie diese Datei im öffentlichen Konto Lele Perception School, um die Ersatzdatei zu erhalten. 3. Beschreibung der Schnittstellenaufrufe: Die Aufrufmethode der Schnittstelle bleibt unverändert und stimmt mit der eigenen Aufrufmethode von Openai überein. Die Eingabe enthält hauptsächlich 7 Parameter.
model="gpt-3.5-turbo", messages=[ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": "Who won the world series in 2020?"}, {"role": "assistant", "content": "The Los Angeles Dodgers won the World Series in 2020."}, {"role": "user", "content": "Where was it played?"} ]Im gpt-3.5-turbo-Modell umfasst die Rolle System, System und Inhalt . Es gibt drei Arten von Assistenten und Benutzern. Die Systemrolle entspricht der Angabe, welche Rolle zur Beantwortung der Frage verwendet werden soll. Sie müssen die spezifische Rolle und den Frageninhalt im Inhalt angeben. Der Hauptunterschied zwischen gpt-3.5-turbo-0301 besteht darin, dass es dem Inhalt des Problems mehr Aufmerksamkeit schenkt und dem spezifischen Rollenteil keine besondere Aufmerksamkeit schenkt. Das Modell gpt-3.5-turbo-0301 ist bis zum 1. Juni gültig und gpt-3.5-turbo wird weiterhin aktualisiert. Der Assistent Assistent und der Benutzerbenutzer entsprechen der Angabe der Rolle, und der Inhalt kann direkt in das betreffende Problem geschrieben werden. 5 Beispielprogramm
Das obige ist der detaillierte Inhalt vonSo rufen Sie die GPT3.5-Schnittstelle in Python auf. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Python ist leichter zu lernen und zu verwenden, während C leistungsfähiger, aber komplexer ist. 1. Python -Syntax ist prägnant und für Anfänger geeignet. Durch die dynamische Tippen und die automatische Speicherverwaltung können Sie die Verwendung einfach zu verwenden, kann jedoch zur Laufzeitfehler führen. 2.C bietet Steuerung und erweiterte Funktionen auf niedrigem Niveau, geeignet für Hochleistungsanwendungen, hat jedoch einen hohen Lernschwellenwert und erfordert manuellem Speicher und Typensicherheitsmanagement.

Python und C haben signifikante Unterschiede in der Speicherverwaltung und -kontrolle. 1. Python verwendet die automatische Speicherverwaltung, basierend auf der Referenzzählung und der Müllsammlung, um die Arbeit von Programmierern zu vereinfachen. 2.C erfordert eine manuelle Speicherverwaltung und liefert mehr Kontrolle, aber die Komplexität und das Fehlerrisiko. Welche Sprache zu wählen sollte, sollte auf Projektanforderungen und Teamtechnologie -Stack basieren.

Zu den Anwendungen von Python im wissenschaftlichen Computer gehören Datenanalyse, maschinelles Lernen, numerische Simulation und Visualisierung. 1.Numpy bietet effiziente mehrdimensionale Arrays und mathematische Funktionen. 2. Scipy erweitert die Numpy -Funktionalität und bietet Optimierungs- und lineare Algebra -Tools. 3.. Pandas wird zur Datenverarbeitung und -analyse verwendet. 4.Matplotlib wird verwendet, um verschiedene Grafiken und visuelle Ergebnisse zu erzeugen.

Ob die Auswahl von Python oder C von den Projektanforderungen abhängt: 1) Python eignet sich aufgrund seiner prägnanten Syntax und reichhaltigen Bibliotheken für schnelle Entwicklung, Datenwissenschaft und Skripten; 2) C ist für Szenarien geeignet, die aufgrund seiner Zusammenstellung und des manuellen Speichermanagements eine hohe Leistung und die zugrunde liegende Kontrolle erfordern, wie z. B. Systemprogrammierung und Spielentwicklung.

Python wird in Datenwissenschaft und maschinellem Lernen häufig verwendet, wobei hauptsächlich auf seine Einfachheit und ein leistungsstarkes Bibliotheksökosystem beruhen. 1) Pandas wird zur Datenverarbeitung und -analyse verwendet, 2) Numpy liefert effiziente numerische Berechnungen, und 3) Scikit-Learn wird für die Konstruktion und Optimierung des maschinellen Lernens verwendet. Diese Bibliotheken machen Python zu einem idealen Werkzeug für Datenwissenschaft und maschinelles Lernen.

Ist es genug, um Python für zwei Stunden am Tag zu lernen? Es hängt von Ihren Zielen und Lernmethoden ab. 1) Entwickeln Sie einen klaren Lernplan, 2) Wählen Sie geeignete Lernressourcen und -methoden aus, 3) praktizieren und prüfen und konsolidieren Sie praktische Praxis und Überprüfung und konsolidieren Sie und Sie können die Grundkenntnisse und die erweiterten Funktionen von Python während dieser Zeit nach und nach beherrschen.

Zu den wichtigsten Anwendungen von Python in der Webentwicklung gehören die Verwendung von Django- und Flask -Frameworks, API -Entwicklung, Datenanalyse und Visualisierung, maschinelles Lernen und KI sowie Leistungsoptimierung. 1. Django und Flask Framework: Django eignet sich für die schnelle Entwicklung komplexer Anwendungen, und Flask eignet sich für kleine oder hochmobile Projekte. 2. API -Entwicklung: Verwenden Sie Flask oder Djangorestframework, um RESTFUFFUPI zu erstellen. 3. Datenanalyse und Visualisierung: Verwenden Sie Python, um Daten zu verarbeiten und über die Webschnittstelle anzuzeigen. 4. Maschinelles Lernen und KI: Python wird verwendet, um intelligente Webanwendungen zu erstellen. 5. Leistungsoptimierung: optimiert durch asynchrones Programmieren, Caching und Code

Python ist in der Entwicklungseffizienz besser als C, aber C ist in der Ausführungsleistung höher. 1. Pythons prägnante Syntax und reiche Bibliotheken verbessern die Entwicklungseffizienz. 2. Die Kompilierungsmerkmale von Compilation und die Hardwarekontrolle verbessern die Ausführungsleistung. Bei einer Auswahl müssen Sie die Entwicklungsgeschwindigkeit und die Ausführungseffizienz basierend auf den Projektanforderungen abwägen.


Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

mPDF
mPDF ist eine PHP-Bibliothek, die PDF-Dateien aus UTF-8-codiertem HTML generieren kann. Der ursprüngliche Autor, Ian Back, hat mPDF geschrieben, um PDF-Dateien „on the fly“ von seiner Website auszugeben und verschiedene Sprachen zu verarbeiten. Es ist langsamer und erzeugt bei der Verwendung von Unicode-Schriftarten größere Dateien als Originalskripte wie HTML2FPDF, unterstützt aber CSS-Stile usw. und verfügt über viele Verbesserungen. Unterstützt fast alle Sprachen, einschließlich RTL (Arabisch und Hebräisch) und CJK (Chinesisch, Japanisch und Koreanisch). Unterstützt verschachtelte Elemente auf Blockebene (wie P, DIV),

SublimeText3 Englische Version
Empfohlen: Win-Version, unterstützt Code-Eingabeaufforderungen!

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Dreamweaver Mac
Visuelle Webentwicklungstools

VSCode Windows 64-Bit-Download
Ein kostenloser und leistungsstarker IDE-Editor von Microsoft