Tag: AI
OpenAI API：微调（fine-tuning）的使用
OpenAI API：微调（fine-tuning）的使用
通过 OpenAI API：微调（fine-tuning）及其使用场 对 Fine-Tuning 的介绍，我们可以了解常见场景以及相关场景的使用 Trick。总的来说，微调的好处就是 ==更省钱，答案更明确==。接下来，我就来介绍下具体的工程实现细节，主要分成四个步骤来写： 数据预测处理 模型训练 模型评估 开始之前，需要如下准备： 安装 OpenAI 的命令行工具：pip install --upgrade openai 设置你的API KEY：export OPENAIAPIKEY="" 可以从这个地方获取： https://platform.openai.com/account/api-keys 注册 OpenAI 账号的时候，会免费赠送 18 刀的额度。==注意，它是有使用期限的！== 1....
OpenAI API: 文本补齐使用说明
OpenAI API: 文本补齐使用说明
API Reference - OpenAI API 请求体的格式 /* POST https://api.openai.com/v1/completions -d */ { "model": "text-davinci-003", "prompt": "请告诉我如何编写一个工作汇报", ... /* 其他可选参数 */ } 必需参数 model：需要调用模型； 输入类型：字符串； 例如：text-davinci-003 ，说明我们要调用的是 GPT3 的模型； prompt：一个输入的文本段落或短语，作为生成模型输出的起点或引导； 输入的类型：字符串或者一个字符列表； 例如: "请告诉我如何编写一个工作汇报"； ["请你扮演下资深数据分析师", "帮我写一段 SQL 来发分析。。。"]。 调优参数 最大令牌数：max_tokens 可以简单理解为生成文本的单词（或者词组）数。 token 是文本的基本单位，他可以是一个单词、一个标点符号或者一个词组，取决于分词器。 默认：16 最大值：4096 较大的...
使用 GPT 进行数据分析
使用 GPT 进行数据分析
GPT 需要从我们这边获取的内容： 可以使用的数据==表结构==和样本数据（数据非必需） 我们需要解答的==分析问题== 明确的指示：非必需，但是详细明确的提示，有助于生成高质量的答案 请求方式见：openAI api - Text Completion 下面这个是模版： {数据表的内容（表结构和样本数据）} 作为一个资深的分析师，根据以上提供的表结构和数据，编写一条详细且准确的 MySQL 查询语句来解答如下分析问题： "{问题}" 并根据你的逻辑对查询进行注解。 这里我来看一个完整的 prompt 订单表 orders 的表结构如下： uuid Text comment '订单ID' user_id...