import openai
import tiktoken
class Conversation:
def __init__(self, prompt, model="gpt-3.5-turbo", temperature=0.8, max_tokens=250):
self.prompt = prompt
self.model = model
self.temperature = temperature
self.max_tokens = max_tokens
self._init_messages()
def _init_messages(self):
self.messages = [{"role": "system", "content": self.prompt}]
// ...
主要输入是消息参数。消息必须是一个消息对象数组，其中每个对象都有一个角色（"system"、"user"、"assistant"）和内容（"content"）。
通常，对话首先使用 "system" 消息进行格式化，然后是交替的 "user" 和 "assistant" 消息。
"system" 消息有助于设置 "assistant" 的行为。
例如，字符串 "ChatGPT is great!" 被编码为六个 token: ["Chat", "G", "PT", " is", " great", "!"].
要查看 API 调用使用了多少 token ，请检查 API 响应中的 usage 字段（例如，response['usage']['total_tokens']）。
例子 messages = [ {"role": "system
嵌入是浮点数的向量（列表）。两个向量之间的距离衡量它们的相关性。小距离表示高相关性，大距离表示低相关性。
注意这上下界对任何维度的向量空间中都适用，而且余弦相似性最常用于高维正空间。例如在信息检索中，每个词项被赋予不同的维度，而一个文档由一个向量表示，其各个维度上的值对应于该词项在文档中出现的频率。余弦相似度因此可以给出两篇文档在其主题方面的相似度。
OpenAI 推荐余弦相似度计算距离。距离函数的选择通常无关紧要，但是，余弦相似度计算距离的速度比欧几里得距离快得多，因为它不需要计算平方根。此外，余弦相似度的范围是[-1,1]，而欧几里得距离的范围是[0,∞)。因此，余弦相似度的范围更适合于搜索。
好评例子的评分 : 0.036553
差评例子的评分 : -0.026165
{% highlight wjj %} 值 = 评论的embedding与好评embedding的余弦相似度 - 评论embedding与差评embedding的余弦相似度 值 > 0，倾向于好评 值 < 0，倾向于差评 {% endhighlight %}
| comment | evaluation | |
|---|---|---|
| 0 | 买的银色版真的很好看，一天就到了，晚上就开始拿起来完系统很丝滑流畅，做工扎实，手感细腻，很精致哦苹果一如既往的好品质 | 好 |
| 1 | 降价厉害，保价不合理，不推荐 | 坏 |
{% highlight wjj %} distanc
在给定的 API 请求中处理的令牌数量取决于输入和输出的长度。根据粗略的经验法则，对于英文文本，1 个标记大约为 4 个字符或 0.75 个单词。要记住的一个限制是，您的文本提示和生成的完成组合不能超过模型的最大上下文长度（对于大多数模型，这是 2048 个标记，或大约 1500 个单词）。
I have an orange cat named Butterscotch.
I`` have`` an`` orange`` cat`` named`` But``ters``cot``ch``.
像“cat”这样的常用词是单个标记，而不太常用的词通常被分解成多个标记。例如，“Butterscotch”翻译成四个标记：“But”、“ters”、“cot”和“ch”。许多标记以空格开头，例如“ hello”和“ bye”。
temperature 通常最好为所需输出明确定义的任务设置较低。较高的 temperature 对于需要多样性或创造力的任务可能很有用。
参考 了解标记和概率 有更好图形化展示。
安装 Python 库：
pip install openai
安装后，您可以使用绑定和您的密钥运行以下命令：
| 专业 | 题型 | 题目内容 | 题目依据条款 | 选项 | 正确答案 |
|---|---|---|---|---|---|
| 变电专业 | 单选题 | 雷雨天气，需要巡视室外高压设备时，应穿（ ），并不准靠近避雷器和避雷针。 | 来自安规 | A. 雨鞋,B. 绝缘靴,C. 橡胶鞋,D. 绝缘鞋 | B. 绝缘靴 |
| 变电专业 | 单选题 | 地震、台风、洪水、泥石流等灾害发生后，如需要对设备进行巡视时，应制定必要的安全措施，得到设备运维管理单位批准，并至少两人一组，巡视人员应与（ ）之间保持通信联络。 | 来自安规 | A. 分管领导,B. 调控人员,C. 派出部门,D. 运维单位 | C. 派出部门 |
| 变电专业 | 单选题 | 高压设备发生接地时，室内人员应距离故障点（ ）m以外。 | 来自安规 | A. 1,B. 2,C. 3,D. 4 | D. 4 |
| 变电专业 | 判断题 | 禁止在只经断路器（开关）断开电源或只经换流器闭锁隔离电源的设备上工作。 | 来自安规 | A. 正确,B. 错误 | A. 正确 |
| 变电专业 | 判断题 | 在电气设备上工作，对难以做到与电源完全断开的检修设备，可以不拆除设备与电源之间的电气连接。 | 来自安规 | A. 正确,B. 错误 | B. 错误 |
| 变电专业 | 判断题 | 表示设备断开和允许进入间隔的信号、经常接入的电压表等，如果指示有电，在排除异常情况前，禁止在设备上工作。 | 来自安规 | A. 正确,B. 错误 | A. 正确 |
| 变电专业 | 多选题 | 线路的停、送电均应按照（ ）的指令执行。 | 来自安规 | A. 值班调控人员,B. 专责监护人,C. 线路工作负责人,D. 线路工作许可人 | A. 值班调控人员,D. 线路工作许可人 |
| 变电专业 | 多选题 | 值班调控人员或线路工作许可人应将线路停电检修的工作班组数目、（ ）做好记录。 | 来自安规 | A. 工作班成员姓名,B. 工作负责人姓名,C. 工作地点,D. 工作任务 | B. 工作负责人姓名,C. 工作地点,D. 工作任务 |
| 变电专业 | 多选题 | 工作结束时，应得到工作负责人（包括用户）的工作结束报告，确认（ ），方可下令拆除变电站或发电厂内的安全措施，向线路送电。 | 来自安规 | A. 所有工作班组均已竣工,B. 接地线已拆除,C. 作业人员已全部撤离线路,D. 与记录核对无误并做好记录 | A. 所有工作班组均已竣工,B. 接地线已拆除,C. 作业人员已全部撤离线路,D. 与记录核对无误并做好记录 |
💬 非常抱歉，我之前的回答有误。
* 电脑是一种3C产品。
* 手机也是一种3C产品。
* 铅笔不是一种3C产品。
如您还有其他问题，欢迎继续向我提问。
💬 这是一个主观的评价，可以根据个人的使用体验和需求来进行判断。如果这个手机的功能符合个人的需求，那么这个评价可以是好评；如果这个手机的功能不符合个人的需求，那么这个评价可以是差评。
💬 She did not go to the market.
ChatGPT 还会解释语法的问题
💬 您好，您想要预订哪些房型呢？
💬 Hello, which rooms are available for booking?
ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。
git clone https://huggingface.co/THUDM/chatglm-6b THUDM/chatglm-6b
zsh 中使用单引号（'），不对特殊符号进行解析，使用双引号（"）会对特殊符号进行解析，如：$
docker rmi none
alias docker.rmi.none='docker rmi --force $(docker images -q --filter "dangling=true")'
.vscode/launch.json
{
"version": "0.2.0",
"configurations": [
{
"name": "Python: FastAPI",
"type": "python",
"request": "launch",
"module": "uvicorn",
"args": [
"app.main:app",
"--reload"
],
"jinja": true,
"justMyCode": true
}
]
}
--reload 修改后可以自动加载，适用于开发。虽然 REST API 需要遵循这些标准，但是仍比遵循规定的协议更容易，如 SOAP（简单对象访问协议），该协议具有 XML 消息传递、内置安全性和事务合规性等具体要求，因此速度较慢、结构繁重。
相比之下，REST 则是一组可按需实施的准则，使 REST API 速度更快、更轻，可扩展性更高，非常适合物联网（IoT）和移动应用开发。
Object Detection [ { "score": 0.
在状态栏上可以单击进行切换不同的环境
打开 GitHub Copilot - Your AI pair programmer，可以选择 Copilot for Individuals（Copilot个人版） 进行免费 2 个月的试用，每年 $100 ，可以使用 PayPal 进行支付。
:Copilot setup
:Copilot enable
工作区是团队可以协作创建、管理和标记数据集以及训练和部署模型的地方。
项目的菜单项
1️⃣ Source Images
2️⃣ Train/Test Split
3️⃣ Preprocessing
4️⃣ Augmentation
5️⃣ Generate
单击“Export”，可以导出不同格式的数据集。
单击“Start Training”，可以进行训练，能够进行3次免费训练。
基于 Python 的推理示例
pip install roboflow
docker pull ultralytics/ultralytics:latest-cpu
docker pull ultralytics/ultralytics:latest-arm64
clearml-init
from clearml import Task
task = Task.init(project_name="my project", task_name="my task")
对检测出来的结果裁剪分类保存
yolo predict data=project/data.yaml model=runs/detect/train/weights/best.pt source=project/images/val/ save_crop=true
导出的模型格式
bash download.sh
| 模型 | 大小 | 量化(4位) | 内存 |
|---|---|---|---|
| 7B | 13G | 3.9G | 4.0G |
| 13B | 24G | 7.6G | 7.8G |
| 30B | 61G | 19G | 19.4G |
| 65B | 122G | 38G | 38.5G |
GGUF 是一种二进制格式，旨在快速加载和保存模型。它是 GGML、GGMF 和 GGJT 的后继文件格式，通过包含加载模型所需的所有信息来确保明确性。 它还被设计为可扩展的，以便可以在不破坏兼容性的情况下将新信息添加到模型中。
REPO_ID=TheBloke/CodeLlama-7B-GGUF
FILENAME=codellama-7b.Q4_K_M.gguf
huggingface-cli download ${REPO_ID} ${FILENAME} \
--local-dir . --local-dir-use-symlinks False
❶ 编译 llama.cpp git clone https://github.com/ggerganov/llama.cpp.
转录(X->X)
whisper test.wav --model small
翻译(X->English)
whisper test.wav --model small --task translate
使用 time 命令测试使用资源详情和度量
| model | user(s) | system(s) | cpu | total(s) | 内存 |
|---|---|---|---|---|---|
| tiny | 7.13 | 6.01 | 358% | 3.664 | 370M |
| base | 12.21 | 10.29 | 362% | 6.211 | 430M |
| small | 39.15 | 23.90 | 380% | 16.569 | 1.2G |
| medium | 117.27 | 68.43 | 377% | 49.172 | 3.2G |
| large | 184.13 | 114.85 | 361% | 1:22.73 | 6.3G |
[00:00.000 --> 00:04.000] 荷蘭发布了一份主题为
[00:04.000 --> 00:09.500] 宣布即将对先进半道体知道设备采取的
[00:09.500 --> 00:13.000] 出口管制措施的公告表示
[00:13.000 --> 00:17.000] 坚于技术的发展和地缘政治的背景
[00:17.000 --> 00:20.000] 政府已经得出结论
[00:20.000 --> 00:24.000] 有必要扩大现有的特定半道体
[00:24.000 --> 00:27.000] 知道设备的出口管制
EPEL（Extra Packages for Enterprise Linux）是为企业级Linux操作系统（如CentOS、Red Hat Enterprise Linux等）提供的一个高质量、稳定的软件仓库，包含了许多不包含在标准软件仓库中的软件包。
没有找到匹配的文章