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...