ollam ライブラリをインポートします。
import ollama
カスタム モデルを構成するクラスを作成します。
メソッド:
- init: 名前、システム、温度などの属性を使用してモデルを初期化します。
- name_custom: カスタム名を返します。
- get_description: ModelFile 構造を作成します。
class ModelFile: def __init__(self, model: str, name_custom: str, system: str, temp: float = 0.1) -> None: self.__model = model self.__name_custom = name_custom self.__system = system self.__temp = temp @property def name_custom(self): return self.__name_custom def get_description(self): return ( f"FROM {self.__model}\n" f"SYSTEM {self.__system}\n" f"PARAMETER temperature {self.__temp}\n" )
- 利用可能なすべてのモデルをリストする関数を作成します。
- 出力: ollam に登録されているモデルのリストを返します。
def ollama_list() -> None: response_ollama = ollama.list() return response_ollama['models']
渡された構成に基づいてカスタム モデルを構築する関数を作成します。
def ollama_build(custom_config: ModelFile) -> None: ollama.create( model=custom_config.name_custom, modelfile=custom_config.get_description() )
カスタム モデルが存在するかどうかを確認する関数を作成します。
def check_custom_model(name_model) -> None: models = ollama_list() models_names = [model['name'] for model in models] if f'{name_model}:latest' in models_names: print('Exists') else: raise Exception('Model does not exists')
提供されたテンプレートとプロンプトに基づいて応答を生成する関数を作成します。
def ollama_generate(name_model, prompt) -> None: response_ollama = ollama.generate( model=name_model, prompt=prompt ) print(response_ollama['response'])
名前でモデルを削除する関数を作成します。
def ollama_delete(name_model) -> None: ollama.delete(name_model)
モデルの構築、検証、使用の手順を順序付ける関数を作成します。
def main(custom_config: ModelFile, prompt) -> None: ollama_build(custom_config) check_custom_model(custom_config.name_custom) ollama_generate(custom_config.name_custom, prompt) # ollama_delete(custom_config.name_custom)
プロンプトを設定し、モデル ファイル テンプレートを構成します。
入力:
- モデル: ラマ3.2
- カスタム名: xeroxvaldo_sharopildo
- システム: スマートアニメアシスタント。
出力: main 関数を実行してモデルを作成し、その存在を確認して、プロンプトに対する応答を生成します。
if __name__ == "__main__": prompt: str = 'Who is Naruto Uzumaki ?' MF: ModelFile = ModelFile( model='llama3.2', name_custom='xeroxvaldo_sharopildo', system='You are very smart assistant who knows everything about Anime', ) main(MF, prompt)
出力:
うずまきナルトは、岸本斉史作の日本の人気漫画およびアニメシリーズ「NARUTO -ナルト-」の主人公です。彼は木ノ葉隠れの里の若き忍者で、村のリーダーである火影になることを夢見ています。
ナルトはその決意、勇気、そして強い正義感で知られています。彼は、九尾のチャクラ (彼が持つ強力なエネルギー) を利用して身体能力を強化するという、独特の忍者スタイルでも有名です。
シリーズを通して、ナルトはさまざまな村の他の忍者だけでなく、暁のメンバーや十尾の人柱力などの強力な敵も含め、数多くの課題や敵に直面します。多くの挫折や失敗に直面しながらも、ナルトは忍耐強く、課題を乗り越えるたびに強くなっていきます。
ナルトのキャラクター開発はシリーズの中心テーマであり、ナルトは友情、犠牲、そして忍者であることの本当の意味についての貴重な教訓を学びます。チームメイトである春野サクラとうちはサスケとの関係は、彼の性格と成長を形成する上で特に重要です。
NARUTO -ナルト- シリーズは、オリジナルの「NARUTO -ナルト-」篇 (2002 ~ 2007 年) と「NARUTO - ナルト - 疾風伝」篇 (2007 ~ 2014 年) の 2 つの主要な篇で構成されています。後者は最初のアークの続きであり、ナルトは年をとってより強力になりました。
全体として、うずまきナルトは、世界中の何百万もの人々の心を捉えた象徴的なアニメキャラクターです。彼の感動的なストーリーと忘れられない性格により、彼はアニメ史上最も愛されるキャラクターの 1 人になりました!
import ollama
参考文献
- オラマ
- このプロジェクトをノートに記録します
- オラマモデルカスタム
著者のメモ
ここまで読んでいただき、誠にありがとうございました。よろしければ「いいね!」や「シェア」していただけますと大変嬉しいです。気に入らなかった場合、その投稿が気に入ったかどうかはわかりません。こうすることで、投稿のどこを改善すべきかを知ることができます。ありがとうございます。
私の最新の投稿

無料 GPU って言いましたか?
sc0v0ne ・ 2月29日

ソフトウェア開発者としての私のスーパーパワー - 2024年
sc0v0ne ・ 1月6日

ポモドーロで効率的になる
sc0v0ne ・ 2月12日
お気に入りプロジェクト オープンソース
- ?パイソン
- ?️ディープラーニング
- ?コンピュータービジョン
- ?️ Linux
- ?タイムズシリーズ
- ?データベース
- ?錆び
- ?️ 機械学習
- ?️ ロードマップ
著者について:

sc0v0ne
私についてもう少し...
私は情報システムの学士号を取得し、大学ではさまざまなテクノロジーに触れてきました。その過程で、私は人工知能コースを受講し、そこで機械学習と Python に初めて触れました。このことから、この分野について学びたいという私の情熱が生まれました。現在、私は機械学習とディープラーニングを使って通信ソフトウェアを開発しています。その過程で、私が勉強しているテーマに関するいくつかの投稿を作成し、他のユーザーを助けるために共有するブログを作成しました。
私は現在 TensorFlow とコンピューター ビジョンを学んでいます
好奇心: コーヒーが大好きです
- カグル
- Gitlab
- Github
- マストドン
以上がオラマ - カスタム モデル - ラマの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

Pythonを1日2時間学ぶだけで十分ですか?それはあなたの目標と学習方法に依存します。 1)明確な学習計画を策定し、2)適切な学習リソースと方法を選択します。3)実践的な実践とレビューとレビューと統合を練習および統合し、統合すると、この期間中にPythonの基本的な知識と高度な機能を徐々に習得できます。

Web開発におけるPythonの主要なアプリケーションには、DjangoおよびFlaskフレームワークの使用、API開発、データ分析と視覚化、機械学習とAI、およびパフォーマンスの最適化が含まれます。 1。DjangoandFlask Framework:Djangoは、複雑な用途の迅速な発展に適しており、Flaskは小規模または高度にカスタマイズされたプロジェクトに適しています。 2。API開発:フラスコまたはdjangorestFrameworkを使用して、Restfulapiを構築します。 3。データ分析と視覚化:Pythonを使用してデータを処理し、Webインターフェイスを介して表示します。 4。機械学習とAI:Pythonは、インテリジェントWebアプリケーションを構築するために使用されます。 5。パフォーマンスの最適化:非同期プログラミング、キャッシュ、コードを通じて最適化

Pythonは開発効率でCよりも優れていますが、Cは実行パフォーマンスが高くなっています。 1。Pythonの簡潔な構文とリッチライブラリは、開発効率を向上させます。 2.Cのコンピレーションタイプの特性とハードウェア制御により、実行パフォーマンスが向上します。選択を行うときは、プロジェクトのニーズに基づいて開発速度と実行効率を比較検討する必要があります。

Pythonの実際のアプリケーションには、データ分析、Web開発、人工知能、自動化が含まれます。 1)データ分析では、PythonはPandasとMatplotlibを使用してデータを処理および視覚化します。 2)Web開発では、DjangoおよびFlask FrameworksがWebアプリケーションの作成を簡素化します。 3)人工知能の分野では、TensorflowとPytorchがモデルの構築と訓練に使用されます。 4)自動化に関しては、ファイルのコピーなどのタスクにPythonスクリプトを使用できます。

Pythonは、データサイエンス、Web開発、自動化スクリプトフィールドで広く使用されています。 1)データサイエンスでは、PythonはNumpyやPandasなどのライブラリを介してデータ処理と分析を簡素化します。 2)Web開発では、DjangoおよびFlask Frameworksにより、開発者はアプリケーションを迅速に構築できます。 3)自動化されたスクリプトでは、Pythonのシンプルさと標準ライブラリが理想的になります。

Pythonの柔軟性は、マルチパラダイムサポートと動的タイプシステムに反映されていますが、使いやすさはシンプルな構文とリッチ標準ライブラリに由来しています。 1。柔軟性:オブジェクト指向、機能的および手続き的プログラミングをサポートし、動的タイプシステムは開発効率を向上させます。 2。使いやすさ:文法は自然言語に近く、標準的なライブラリは幅広い機能をカバーし、開発プロセスを簡素化します。

Pythonは、初心者から上級開発者までのすべてのニーズに適した、そのシンプルさとパワーに非常に好まれています。その汎用性は、次のことに反映されています。1)学習と使用が簡単、シンプルな構文。 2)Numpy、Pandasなどの豊富なライブラリとフレームワーク。 3)さまざまなオペレーティングシステムで実行できるクロスプラットフォームサポート。 4)作業効率を向上させるためのスクリプトおよび自動化タスクに適しています。

はい、1日2時間でPythonを学びます。 1.合理的な学習計画を作成します。2。適切な学習リソースを選択します。3。実践を通じて学んだ知識を統合します。これらの手順は、短時間でPythonをマスターするのに役立ちます。


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

PhpStorm Mac バージョン
最新(2018.2.1)のプロフェッショナル向けPHP統合開発ツール

SAP NetWeaver Server Adapter for Eclipse
Eclipse を SAP NetWeaver アプリケーション サーバーと統合します。

SublimeText3 英語版
推奨: Win バージョン、コードプロンプトをサポート!

AtomエディタMac版ダウンロード
最も人気のあるオープンソースエディター

Dreamweaver Mac版
ビジュアル Web 開発ツール
