Python to najpopularniejszy język do zadań związanych z analizą danych i uczeniem maszynowym. W porównaniu z konwencjonalnymi językami programowania do nauki o danych, takimi jak R i Stata, Python wyróżnia się, ponieważ jest skalowalny i dobrze integruje się z bazami danych. Jest szeroko stosowany i ma kwitnącą społeczność programistów, którzy aktualizują swój ekosystem. Python jest łatwy do nauczenia i zawiera przydatne biblioteki do nauki o danych, takie jak NumPy i pandy. Możesz sparować GPT-3 z Pythonem, korzystając z biblioteki o nazwie Chronology, która zapewnia prosty i intuicyjny interfejs. Chronologia może złagodzić monotonną pracę polegającą na pisaniu całego kodu od zera za każdym razem. Jego funkcje obejmują:
* Wywołuje asynchronicznie interfejs API OpenAI, umożliwiając generowanie
wiele szybkich uzupełnień w tym samym czasie.
* Możesz łatwo tworzyć i modyfikować podpowiedzi szkoleniowe; na przykład modyfikowanie podpowiedzi szkoleniowej używanej w innym przykładzie jest dość proste.
* Umożliwia łączenie podpowiedzi poprzez podłączenie wyjścia jednego podpowiedzi do drugiego.
Chronologia jest hostowana na PyPI i obsługuje Python 3.6 i nowsze wersje. Aby zainstalować bibliotekę, uruchom następującą komendę:
pip install chronological
Po zainstalowaniu biblioteki Pythona przez PyPI przyjrzyjmy się przykładowi, jak przygotować GPT-3, aby podsumował dany dokument tekstowy na poziomie czytania drugiej klasy. Pokażemy Ci, jak wywołać interfejs API, wysłać monit szkoleniowy jako żądanie i uzyskać podsumowanie zakończenia w postaci wyniku. Opublikowaliśmy kod dla Ciebie w repozytorium GitHub. W tym przykładzie użyjemy następującego podpowiedzi szkoleniowej:
Moja uczennica drugiej klasy zapytała mnie, co oznacza ten fragment:
„””
Oliwa z oliwek to płynny tłuszcz otrzymywany z oliwek (owoców Olea
europaea;
rodzina Oleaceae)…
„””
Przeformułowałem to za niego, prostym językiem, jaki potrafi drugoklasista
zrozumieć:
„””
Najpierw zaimportuj następujące zależności:
# Importing Dependencies
from chronological import read_prompt, cleaned_completion, main
z importu chronologicznego read_prompt, clean_completion, main Teraz możemy stworzyć funkcję, która odczyta zachętę do szkolenia i wyświetli wynik zakończenia. Uczyniliśmy tę funkcję asynchroniczną, co pozwala nam na wykonywanie równoległych wywołań funkcji. Dla parametrów API zastosujemy następującą konfigurację:
Maksymalna liczba tokenów=100
Silnik wykonawczy = „Davinci”
Temperatura=0,5
Top-p=1
Kara za częstotliwość = 0,2
Sekwencja zatrzymania=[„\n\n”]
# Przyjmuje komunikat szkoleniowy i zwraca pełną odpowiedź
async def podsumowanie_przykład():
# Jako dane wejściowe pobiera plik tekstowy (summarize_for_a_2nd_grader).
podpowiedź
Prompt_summarize = read_prompt(‘podsumowanie_dla_2.klasisty’)
# Wywołanie metody uzupełniania wraz z konkretnym GPT-3
parametry
kompletacja_summarize = czekaj
clean_completion(prompt_summarize,
max_tokens=100, silnik=”davinci”, temperatura=0,5, top_p=1,
częstotliwość_kara=0,2, stop=[“\n\n”])
# Zwróć odpowiedź o zakończeniu
zwróć zakończenie_podsumowania
Teraz możemy stworzyć asynchroniczny przepływ pracy, wywołać go za pomocą głównej funkcji dostarczonej przez bibliotekę i wydrukować wynik w konsoli:
# Projektowanie kompleksowego, asynchronicznego przepływu pracy, który można uruchomić
wiele podpowiedzi
# równolegle
asynchroniczny przepływ pracy def():
# Wykonywanie asynchronicznego wywołania funkcji podsumowującej
text_summ_example = oczekuj podsumowania_example()
# Drukowanie wyniku w konsoli
wydrukować(‘————————-‘)
print(‘Podstawowa przykładowa odpowiedź: {0}’.format(text_summ_example))
wydrukować(‘————————-‘)
# wywołaj Chronologię, używając funkcji main do uruchomienia asynchronizacji
przepływ pracy
główny (przebieg pracy)
Zapisz go jako skrypt Pythona o nazwie text_summarization.py i uruchom go z
terminal do generowania danych wyjściowych. Możesz uruchomić następujące polecenie z
twój folder główny:
python text_summarization.py
Po wykonaniu skryptu konsola powinna wydrukować następujące podsumowanie
monitu:
————————-
Podstawowy przykład odpowiedzi: Oliwa z oliwek to płynny tłuszcz, z którego pochodzi
oliwki.
Oliwki rosną na drzewie zwanym drzewem oliwnym. Drzewo oliwne to
najczęściej
drzewo w Morzu Śródziemnym. Ludzie używają oleju do gotowania i nakładania
na ich
sałatek i jako paliwo do lamp.
————————-
Jeśli nie jesteś dobrze zaznajomiony z językiem Python i chcesz połączyć różne podpowiedzi bez pisania kodu, możesz użyć interfejsu bez kodu wbudowanego w bibliotekę Chronology, aby utworzyć przepływ pracy podpowiedzi za pomocą metody „przeciągnij i upuść”. Więcej przykładów wykorzystania programowania w Pythonie do interakcji z GPT-3 znajdziesz w naszym repozytorium GitHub.