Import perpustakaan ollama.
import ollama
Buat kelas untuk mengkonfigurasi model tersuai.
Kaedah:
- init: Memulakan model dengan atribut seperti nama, sistem dan suhu.
- name_custom: Mengembalikan nama tersuai.
- get_description: Mencipta struktur ModelFile.
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" )
- Buat fungsi untuk menyenaraikan semua model yang tersedia.
- Output: Mengembalikan senarai model yang didaftarkan dalam ollama.
def ollama_list() -> None: response_ollama = ollama.list() return response_ollama['models']
Buat fungsi untuk membina model tersuai berdasarkan konfigurasi yang diluluskan.
def ollama_build(custom_config: ModelFile) -> None: ollama.create( model=custom_config.name_custom, modelfile=custom_config.get_description() )
Buat fungsi untuk menyemak sama ada model tersuai wujud.
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')
Buat fungsi untuk menjana respons berdasarkan templat dan gesaan yang disediakan.
def ollama_generate(name_model, prompt) -> None: response_ollama = ollama.generate( model=name_model, prompt=prompt ) print(response_ollama['response'])
Buat fungsi untuk memadam model dengan nama.
def ollama_delete(name_model) -> None: ollama.delete(name_model)
Buat fungsi untuk Memerintahkan langkah membina, mengesahkan dan menggunakan model.
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)
Tetapkan gesaan dan konfigurasikan templat Fail Model.
Input:
- Model: llama3.2
- Nama tersuai: xeroxvaldo_sharopildo
- Sistem: Pembantu anime pintar.
Output: Menjalankan fungsi utama untuk mencipta model, menyemak kewujudannya dan menjana respons kepada gesaan.
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)
output:
Naruto Uzumaki ialah protagonis utama siri manga dan anime Jepun yang popular "Naruto," yang dicipta oleh Masashi Kishimoto. Dia seorang ninja muda dari Kampung Daun Tersembunyi, yang bercita-cita menjadi Hokage, ketua kampungnya.
Naruto terkenal dengan keazaman, keberanian dan rasa keadilan yang kuat. Dia juga terkenal dengan gaya ninjanya yang unik, yang melibatkan penggunaan chakra Nine-Tails (tenaga kuat yang dimilikinya) untuk meningkatkan kebolehan fizikalnya.
Sepanjang siri ini, Naruto menghadapi pelbagai cabaran dan musuh, termasuk ninja lain dari kampung yang berbeza, serta musuh yang kuat seperti ahli Akatsuki dan jinchuriki Ekor Sepuluh. Walaupun menghadapi banyak halangan dan kegagalan, Naruto tabah dan menjadi lebih kuat dengan setiap cabaran yang ditempuhinya.
Pembangunan watak Naruto ialah tema utama siri ini, kerana dia mempelajari pelajaran berharga tentang persahabatan, pengorbanan dan erti sebenar menjadi seorang ninja. Hubungannya dengan rakan sepasukannya, Sakura Haruno dan Sasuke Uchiha, amat penting dalam membentuk personaliti dan pertumbuhannya.
Siri Naruto terdiri daripada dua arka utama: arka "Naruto" asal (2002-2007) dan arka "Naruto Shippuden" (2007-2014). Yang terakhir adalah kesinambungan daripada arka pertama, dengan Naruto kini lebih tua dan lebih berkuasa.
Secara keseluruhannya, Naruto Uzumaki ialah watak anime ikonik yang telah menawan hati jutaan orang di seluruh dunia. Kisahnya yang memberi inspirasi dan personaliti yang tidak dapat dilupakan telah menjadikannya salah satu watak yang paling digemari dalam sejarah anime!
import ollama
Rujukan
- Ollama
- Buku nota projek ini
- Tersuai Model Ollama
Nota pengarang
Terima kasih banyak kerana membaca sejauh ini. Jika anda boleh suka dan berkongsi, saya akan sangat berterima kasih. Jika anda tidak menyukainya, saya tidak tahu sama ada anda menyukai siaran itu. Dengan cara ini, anda membantu saya mengetahui di mana saya harus memperbaiki siaran saya. Terima kasih.
Catatan Terkini Saya

Adakah anda mengatakan GPU Percuma?
sc0v0ne ・ 29 Feb

Kuasa Super Saya sebagai Pembangun Perisian - 2024
sc0v0ne ・ 6 Jan

Menjadi Cekap dengan Pomodoro
sc0v0ne ・ 12 Feb
Projek Kegemaran Sumber Terbuka
- ? Python
- ?️ Pembelajaran Mendalam
- ? Penglihatan Komputer
- ?️ Linux
- ? Siri Masa
- ? Pangkalan data
- ? Karat
- ?️ Pembelajaran Mesin
- ?️ Pelan Jalan
Mengenai pengarang:

sc0v0ne
Sedikit lagi tentang saya...
Berlulus dalam Sarjana Muda Sistem Maklumat, di kolej saya mempunyai hubungan dengan teknologi yang berbeza. Sepanjang perjalanan, saya mengikuti kursus Kecerdasan Buatan, di mana saya mempunyai hubungan pertama dengan pembelajaran mesin dan Python. Dari sinilah menjadi minat saya untuk mempelajari bidang ini. Hari ini saya bekerja dengan pembelajaran mesin dan pembelajaran mendalam membangunkan perisian komunikasi. Sepanjang perjalanan, saya mencipta blog di mana saya membuat beberapa siaran tentang subjek yang saya pelajari dan berkongsinya untuk membantu pengguna lain.
Saya sedang belajar TensorFlow dan Computer Vision
Perasaan ingin tahu: Saya suka kopi
- Kaggle
- Gitlab
- Github
- Mastodon
Atas ialah kandungan terperinci Ollama - Model Tersuai - llama. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Aplikasi utama Python dalam pembangunan web termasuk penggunaan kerangka Django dan Flask, pembangunan API, analisis data dan visualisasi, pembelajaran mesin dan AI, dan pengoptimuman prestasi. 1. Rangka Kerja Django dan Flask: Django sesuai untuk perkembangan pesat aplikasi kompleks, dan Flask sesuai untuk projek kecil atau sangat disesuaikan. 2. Pembangunan API: Gunakan Flask atau DjangorestFramework untuk membina Restfulapi. 3. Analisis Data dan Visualisasi: Gunakan Python untuk memproses data dan memaparkannya melalui antara muka web. 4. Pembelajaran Mesin dan AI: Python digunakan untuk membina aplikasi web pintar. 5. Pengoptimuman Prestasi: Dioptimumkan melalui pengaturcaraan, caching dan kod tak segerak

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Aplikasi dunia sebenar Python termasuk analisis data, pembangunan web, kecerdasan buatan dan automasi. 1) Dalam analisis data, Python menggunakan panda dan matplotlib untuk memproses dan memvisualisasikan data. 2) Dalam pembangunan web, kerangka Django dan Flask memudahkan penciptaan aplikasi web. 3) Dalam bidang kecerdasan buatan, tensorflow dan pytorch digunakan untuk membina dan melatih model. 4) Dari segi automasi, skrip python boleh digunakan untuk tugas -tugas seperti menyalin fail.

Python digunakan secara meluas dalam bidang sains data, pembangunan web dan bidang skrip automasi. 1) Dalam sains data, Python memudahkan pemprosesan dan analisis data melalui perpustakaan seperti numpy dan panda. 2) Dalam pembangunan web, rangka kerja Django dan Flask membolehkan pemaju dengan cepat membina aplikasi. 3) Dalam skrip automatik, kesederhanaan Python dan perpustakaan standard menjadikannya ideal.

Fleksibiliti Python dicerminkan dalam sokongan multi-paradigma dan sistem jenis dinamik, sementara kemudahan penggunaan berasal dari sintaks mudah dan perpustakaan standard yang kaya. 1. Fleksibiliti: Menyokong pengaturcaraan berorientasikan objek, fungsional dan prosedur, dan sistem jenis dinamik meningkatkan kecekapan pembangunan. 2. Kemudahan Penggunaan: Tatabahasa adalah dekat dengan bahasa semulajadi, perpustakaan standard merangkumi pelbagai fungsi, dan memudahkan proses pembangunan.

Python sangat disukai kerana kesederhanaan dan kuasa, sesuai untuk semua keperluan dari pemula hingga pemaju canggih. Kepelbagaiannya dicerminkan dalam: 1) mudah dipelajari dan digunakan, sintaks mudah; 2) perpustakaan dan kerangka yang kaya, seperti numpy, panda, dan sebagainya; 3) sokongan silang platform, yang boleh dijalankan pada pelbagai sistem operasi; 4) Sesuai untuk tugas skrip dan automasi untuk meningkatkan kecekapan kerja.

Ya, pelajari Python dalam masa dua jam sehari. 1. Membangunkan pelan kajian yang munasabah, 2. Pilih sumber pembelajaran yang betul, 3 menyatukan pengetahuan yang dipelajari melalui amalan. Langkah -langkah ini dapat membantu anda menguasai Python dalam masa yang singkat.


Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

PhpStorm versi Mac
Alat pembangunan bersepadu PHP profesional terkini (2018.2.1).

Penyesuai Pelayan SAP NetWeaver untuk Eclipse
Integrasikan Eclipse dengan pelayan aplikasi SAP NetWeaver.

SublimeText3 versi Inggeris
Disyorkan: Versi Win, menyokong gesaan kod!

Muat turun versi mac editor Atom
Editor sumber terbuka yang paling popular

Dreamweaver Mac版
Alat pembangunan web visual