文本嵌入用于衡量文本字符串的相关性。嵌入通常用于：
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。
请求格式
{
"input": "A string to be embedded",
"model": "text-embedding-ada-002"
}
响应格式 { "data": [ { "embedding": [ -0.02181987278163433, ... -0.
工具
介绍
概述
OpenAI API 几乎可以应用于任何涉及理解或生成自然语言、代码或图像的任务。提供一系列具有不同功率级别的模型，适用于不同的任务，并且能够微调您自己的自定义模型。这些模型可用于从内容生成到语义搜索和分类的所有领域。
关键概念
Prompts
设计提示本质上是您“编程”模型的方式，通常是通过提供一些说明或一些示例。通过 completions 和 chat completions 端点可用于几乎任何任务，包括内容或代码生成、摘要、扩展、对话、创意写作、风格转换等。
Tokens
模型通过将文本分解为标记来理解和处理文本。标记可以是单词或只是字符块。例如，单词“hamburger”被分解为标记“ham”、“bur”和“ger”，而像“pear”这样的短而常见的单词是一个标记。许多标记以空格开头，例如“ hello”和“ bye”。
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）。
Playground 了解标记和概率 我们的模型通过将文本分
LLMS
ChatGPT
LLaMA
ChatLLaMA
ChatGLM
Alpaca Stanford Alpaca: An Instruction-following LLaMA Mode alpaca_data.json contains 52K instruction-following data we used for fine-tuning the Alpaca model.
👎分类
❓ 电脑：3C；手机：3C；铅笔：
💬 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。
👎情感分类
❓ “这个手机的功能不好用”这是好评还是差评？
💬 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。
👍英语语法更正
❓ Correct this to standard English:
She no went to the market.
💬 She did not go to the market.
ChatGPT 还会解释语法的问题
翻译
英译中
❓ What rooms do you have available? 翻译成中文
💬 您好，您想要预订哪些房型呢？
中译英
❓ 您好，您想要预订哪些房型呢？翻译成英文
💬 Hello, which rooms are available for booking?
👎阅读理解 ❓ 北京市卫生健康委副主任、新闻发言人李昂通报：4月18日下午，长峰医院突发火情，市卫生健康委即刻启动应急预案，迅速调集29辆救护车300余人次急救力量，及时赶赴现场，全力开展医疗救援和转运工作。
什么是 REST API？
REST API 也称为 RESTful API，是遵循 REST 架构规范的应用编程接口（API 或 Web API），支持与 RESTful Web 服务进行交互。REST 是表述性状态传递的英文缩写，由计算机科学家 Roy Fielding 创建。
如何实现 RESTful API？
API 要被视为 RESTful API，必须遵循以下标准：
虽然 REST API 需要遵循这些标准，但是
GPT
由 OpenAI 训练的大型语言模型，也称为 Generative Pretrained Transformer。
| 能力 | ||||
|---|---|---|---|---|
| GPT | 2018年 | 1.17亿 | 8G | 文本自动补全、问答、语句生成 |
| GPT-2 | 2019年 | 15亿 | 16G | 文本自动补全、问答、语句生成、命名实体识别、关系抽取 |
| GPT-3 | 2020年 | 1750亿 | 32G | 文本自动补全、问答、语句生成、命名实体识别、关系抽取、文本分类、翻译 |
| 2021年 | 1750亿 | 32G | 基于 GPT-3 微调的一系列模型 |
模型能力
价格
Python 示例
调用 API 的参数 model: text-davinci-003 是基于 GPT-3 最好的模型，能力：复杂意图、因果关系、创建生成、搜索、总结等。
工程目录
model-package-release/
├── Dockerfile
├── Dockerfile.ubuntu
├── main.sh
└── .ssh
├── id_rsa
├── id_rsa.pub
└── known_hosts
main.sh #!/usr/bin/sh # 模型和配置文件 FILE_CONFIG=config.yaml FILE_MODEL=model.onnx # 用于构建模型压缩包的目录结构 DIR_MODELS=models if [ -z $1 ] then echo "Usage: " echo "Environment variable：" echo " MODEL_SERVER_USERNAME Default: username" echo " MODEL_SERVER_IP Default: ip" echo "" echo "docker run --rm -v /home/ai/models/sign.yaml:/app/config.yaml \" echo " -v /home/ai/models/sign.onnx:/app/model.
数据集打包目录结构
ai-project/
├── labelimg
│ ├── 1.jpg
│ ├── 1.xml
│ ├── 2.jpg
│ ├── 2.xml
│ ├── 3.jpg
│ ├── 3.xml
│ ├── 4.jpg
│ └── 4.xml
├── classes.txt
├── data.yaml
├── images
│ ├── train
│ │ ├── 1.jpg
│ │ └── 2.jpg
│ └── val
│ ├── 3.jpg
│ └── 4.jpg
└── labels
├── train
│ ├── 1.txt
│ └── 2.txt
└── val
├── 3.txt
└── 4.txt
打包
DATE=$(date '+%Y-%m-%d')
tar cvf sign-yolo-$DATE.tar labelimg/ classes.txt images/ labels data.yaml
上传数据集服务器
DATASET_SERVER_PATH=username@ip:/data/datasets
scp sign-yolo-$DATE.tar $DATASET_SERVER_PATH