段智华的博客

热烈祝贺王家林大咖2020年清华大学两本新书《Spark大数据商业实战三部曲》第二版、《企业级AI技术内幕：深度学习框架开发+机器学习案例实战+Alluxio解密》出版发行，欢迎关注访问！

原创 ChatGPT 使用拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 系统评估1

ChatGPT 使用拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 系统评估1在前面的几段视频中，用户展示了如何使用一个小时来构建应用程序，从评估这些输入到处理输入，再到进行最终打开检查，再到向用户显示输出。显然是构建了这样一个系统。你怎么知道它是如何工作的？也许即使你部署了它并让用户使用它，你如何跟踪进展情况并找到这些不足之处，并继续提高系统中答案的质量？在这个视频中，我想和大家分享一些评估Elm输出的最佳实践。

2023-06-08 20:57:43 800

原创 ChatGPT 使用拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 输出检查

ChatGPT 使用拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 输出检查在本视频中，将重点检查系统生成的输出。在向用户展示输出之前检查输出对于确保质量非常重要，提供给他们的响应的相关性和安全性，或者使用自动化或学习如何使用Moderation API。

2023-06-08 20:00:00 356

原创 ChatGPT 使用拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 链式提示

ChatGPT 使用拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 链式提示在本视频中，我们将学习如何通过将多个提示链接在一起，将复杂的任务拆分为一系列更简单的子任务。你可能会想，为什么要将一个任务拆分为多个提示，而你可以像我们在上一个视频中学到的那样，通过一个提示和思维推理链来实现它？我们已经证明，语言模型非常善于遵循复杂的结构，尤其是像GPT 4这样更先进的模型。所以让我解释一下为什么我们要用两个类比来做这件事——比较思维链、推理和链接多个提示。比较这

2023-06-08 19:30:00 320

转载企业级ChatGPT开发入门实战直播21课

课程名称：企业级ChatGPT开发入门实战直播21课Throughout this course, we firmly believe that the true power anddistinctiveness of language model applications lie in their ability to connectwith external data sources an...

2023-06-08 13:30:38 312 1

原创 ChatGPT 使用拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 思维链

在本节中，我们将重点讨论要处理输出的任务，这些任务通常通过一系列步骤来获取输入并生成有用的输出。有时，在回答特定问题之前，模型详细推理问题是很重要的。如果你参加了我们之前为开发人员提供的提示工程课程，你会看到很多这样的例子。

2023-06-07 19:45:00 408

原创 ChatGPT 使用拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 内容审查

评估输入：内容审查

2023-06-06 20:30:15 361

原创 ChatGPT 使用拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 分类

ChatGPT 使用拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 分类在本节中，我们将重点讨论评估输入的任务，这对确保系统的质量和安全非常重要。需要大量独立的指令集来处理不同的情况。首先对查询类型进行分类，然后使用该分类来确定要使用的指令，这是有益的。这可以通过定义固定类别和对与处理相关的指令进行硬编码来实现给定类别中的任务。例如，在构建客户服务助理时，首先对查询类型进行分类，然后根据该分类确定要使用的说明可能很重要。

2023-06-05 19:27:03 124

原创 ChatGPT 使用拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 构建聊天形式的模版

欢迎来到本课程，学习如何使用聊天API构建系统，之前我介绍了如何使用提示语调用API，但系统需要的不仅仅是单个提示或对语言模型的单个调用。在这门简短的课程中，我们想与您分享构建复杂应用程序的最佳实践。我们使用构建端到端客户服务助理系统的运行示例，该系统根据前一个调用的输出，使用不同的指令将多个调用链接到一个语言模型，有时甚至从外部源查找。例如，给出一个用户输入，告诉我有什么电视在卖。我们会使用以下步骤来处理这个问题。首先，你可以评估输入，以确保它不包含任何有问题的内容，例如仇恨言论。

2023-06-05 15:04:41 994 1

原创 ChatGPT 使用拓展资料:大模型时代的开发者新机遇

ChatGPT 使用拓展资料:大模型时代的开发者新机遇在这里插入图片描述NLP&ChatGPT&LLMs技术、源码、案例实战210课**

2023-06-04 22:01:32 214

原创 ChatGPT 使用拓展资料: 从GLM 到ChatGLM：大模型预训练与微调

ChatGPT技术和OpenAI API的基础应用和进阶应用：学习了ChatGPT技术和OpenAI API的基础和进阶应用，如大模型概述、API接口概述、向量检索、文本生成、嵌入式向量检索实现问答系统、使用LangChain等，可以在不同的场景中灵活应用ChatGPT技术和OpenAI API解决问题。2，通过近21小时学习导师从自己阅读的超过3000篇NLP论文中的精选出的10篇质量最高的论文的架构、算法、实现等讲解，对新一代的NLP技术了然于胸，极大的加速NLP科研及项目开发进度。

2023-06-04 09:58:34 622

原创 ChatGPT 使用拓展资料：吴恩达大咖基于LangChain的LLM应用程序开发-1

ChatGPT 使用拓展资料：吴恩达大咖基于LangChain的LLM应用程序开发基于LangChain的LLM应用程序开发。

2023-06-02 15:46:50 513

原创 ChatGPT 使用拓展资料：2023年6月吴恩达大咖Deeplearning.ai最新课程

ChatGPT 使用拓展资料：2023年6月吴恩达大咖Deeplearning.ai最新课程。

2023-06-01 20:45:00 964 1

原创 NLP&ChatGPT&LLMs技术、源码、案例实战210课

6， ChatGPT技术和OpenAI API的基础应用和进阶应用：学习了ChatGPT技术和OpenAI API的基础和进阶应用，如大模型概述、API接口概述、向量检索、文本生成、嵌入式向量检索实现问答系统、使用LangChain等，可以在不同的场景中灵活应用ChatGPT技术和OpenAI API解决问题。2，通过近21小时学习导师从自己阅读的超过3000篇NLP论文中的精选出的10篇质量最高的论文的架构、算法、实现等讲解，对新一代的NLP技术了然于胸，极大的加速NLP科研及项目开发进度。

2023-05-31 19:45:00 1569

原创 NLP&ChatGPT&LLMs技术、源码、案例实战210课

2023-05-31 19:30:00 939

原创 ChatGPT 使用拓展资料：开始构建你的优质Prompt

ChatGPT 使用拓展资料：开始构建你的优质Prompt。

2023-05-21 16:37:59 641

原创 ChatGPT 使用拓展资料：如何善用大语言模型的推理能力？

ChatGPT 使用拓展资料：如何善用大语言模型的推理能力？

2023-05-21 10:30:35 979

原创 Rasa 3.x 学习系列-Rasa [3.5.8] -2023-05-12新版本发布

Rasa 3.x 学习系列-Rasa [3.5.8] -2023-05-12新版本发布当自定义动作设置的值与槽的现有值相同时，将触发SlotSet事件。修复了这个问题，使AugmentedMemoizationPolicy能够正确地处理截断的跟踪器。为了恢复以前的行为，自定义操作只有在槽值发生变化时才能返回SlotSet。例如,

2023-05-19 19:30:00 651

原创 ChatGPT 使用强化学习：Proximal Policy Optimization算法（详细图解）

ChatGPT 使用强化学习：Proximal Policy Optimization算法强化学习中的PPO（Proximal Policy Optimization）算法是一种高效的策略优化方法，它对于许多任务来说具有很好的性能。PPO的核心思想是限制策略更新的幅度，以实现更稳定的训练过程。接下来，我将分步骤向您介绍PPO算法。

2023-04-10 20:14:12 1289

原创 Rasa 3.x 学习系列-Rasa [3.5.4] -2023-04-05新版本发布

Rasa 3.x 学习系列-Rasa [3.5.4] -2023-04-0新版本发布Rasa Pro 3.5 中引入的两项新功能将帮助您更好地测试和保护您的 AI 助手：端到端测试和机密管理。

2023-04-09 21:22:15 576

原创 ChatGPT 使用拓展资料：使用 HuggingFace+Gradio 部署快速搭建一个ChatGPT的聊天界面

ChatGPT 使用拓展资料：使用 HuggingFace+Gradio 部署快速搭建一个ChatGPT的聊天界面https://huggingface.co/spaces/duanzhihua/AI-ChatGPT🚀 Get started with your gradio Space!Your new space has been created, follow these steps to get started (or read our full documentation )Start by

2023-03-30 21:49:04 4242

原创 ChatGPT 使用拓展资料：大模型训练为什么这么难

ChatGPT 使用拓展资料：大模型训练为什么这么难。

2023-03-29 21:58:03 2282

原创 ChatGPT 使用拓展资料：如何处理OpenAI 对 API 的调用限速

ChatGPT 使用拓展资料：如何处理OpenAI 对 API 的调用限速对文本进行分类的方法有很多，本文分享一个使用嵌入的文本分类的例子。对于许多文本分类任务，我们已经看到经过微调的模型比嵌入做得更好。参见Fine-tuned_classification.ipynb中的一个用于分类的微调模型示例。在这个文本分类任务中，我们基于评论文本的嵌入来预测食品评论的得分(1到5)。我们将数据集分为用于所有以下任务的训练集和测试集，数据集创建在Obtain_dataset Notebook中。数据集fin

2023-03-28 21:17:14 4007

原创 ChatGPT 使用拓展资料：用 Rasa Open Source 和 ChatGPT 回答有关结构化数据的问题

大多数聊天机器人查询 API 和/或数据库以与对话之外的世界进行交互。自定义操作是在 Rasa 中构建该功能的便捷方式。对于此示例，我们有两个自定义操作。第一个操作，action_show_restaurants从 API 获取餐厅推荐，将它们呈现给用户，并将结果存储在槽中。第二个动作回答后续问题，从“结果”槽中获取先前 API 调用的结果，并使用 ChatGPT API 回答问题。在上面的示例对话中，用户询问“其中哪些有 Wifi？

2023-03-27 21:01:45 7171

原创 ChatGPT 使用拓展资料：强化学习策略梯度算法及Actor_Critic算法

ChatGPT 使用拓展资料：强化学习策略梯度算法及Actor_Critic算法策略梯度算法是一类基于梯度的优化算法，用于求解强化学习中的策略函数，即输入状态，输出行动的函数。相对于其他的强化学习算法，策略梯度算法更加适合处理连续行动和高维状态空间的问题。策略梯度算法的基本思想是通过迭代优化策略函数的参数，来最大化期望回报。在策略梯度算法中，每次迭代中都会收集一些经验数据，例如某一状态下采取某一行动所获得的回报值等，然后使用这些经验数据来计算策略函数的梯度。

2023-03-27 20:17:48 1448

原创 ChatGPT 使用拓展资料：强化学习DQN 单模型、双模型、DoubleDQN、DuelingDQN

ChatGPT 使用拓展资料：强化学习DQN 单模型、双模型。

2023-03-26 20:46:24 3520

原创 ChatGPT 拓展资料：Stable Diffusion：零基础学会 AI 绘画

ChatGPT 拓展资料：Stable Diffusion：零基础学会 AI 绘画。

2023-03-26 08:10:19 1757

原创 ChatGPT 拓展资料：GitHub Copilot 实践课

ChatGPT 拓展资料 GitHub Copilot 实践课https://docs.github.com/zh/copilot

2023-03-25 09:57:25 2263

原创 ChatGPT 拓展资料：ChatGPT插件系统上线卷众生入局，燃天地斗气！

今天的语言模型虽然对各种任务有用，但仍然有限。他们可以从中学习的唯一信息是他们的训练数据。此信息可能已过时，并且适用于所有应用程序。此外，语言模型唯一可以开箱即用的就是发出文本。此文本可能包含有用的说明，但要真正遵循这些说明，您需要另一个过程。虽然不是一个完美的类比，但插件可以成为语言模型的“眼睛和耳朵”，使它们能够访问太新、太私人或太具体而无法包含在训练数据中的信息。为了响应用户的明确请求，插件还可以使语言模型代表他们执行安全、受限的操作，从而提高整个系统的实用性。

2023-03-25 07:58:40 1613

原创 ChatGPT 拓展资料：Telegram Bot 打造专属聊天机器人

ChatGPT 拓展资料：Telegram Bot 打造专属聊天机器人。

2023-03-24 20:28:50 2939

原创 ChatGPT 拓展资料：DALL·E 创意无限

ChatGPT 拓展资料：DALL·E 创意无限。

2023-03-24 12:53:06 457

原创 ChatGPT 拓展资料： OpenAI API 决战生成式 AI 之巅

ChatGPT 拓展资料： OpenAI API 决战生成式 AI 之巅OpenAI是一家人工智能公司，为开发人工智能技术提供了许多工具。其中一个工具就是OpenAI的游戏场，它是一个基于Web的环境，可以让人们轻松地进行自然语言处理、文本分类和代码生成等体验操作。在OpenAI的游戏场中，您可以通过自定义指令来指示算法生成所需的内容。您可以在输入框中输入想要的内容，然后选择一个预训练的模型或创建一个自己的模型。模型可以根据您输入的内容来生成文本、代码或其他内容。

2023-03-23 21:59:24 835

原创 ChatGPT使用拓展资料：BERT 带你见证预训练和微调的奇迹

ChatGPT 拓展资料：BERT 带你见证预训练和微调的奇迹。

2023-03-23 12:47:01 2939

原创 ChatGPT 使用拓展资料：无需任何机器学习，如何利用大语言模型做情感分析？

ChatGPT 拓展资料：无需任何机器学习，如何利用大语言模型做情感分析？

2023-03-22 20:37:26 2670

原创 ChatGPT 拓展资料：ChatGPT 和预训练模型实战课

ChatGPT 拓展资料：ChatGPT 和预训练模型实战课。

2023-03-22 12:48:00 1796

原创 ChatGPT 拓展资料：论文阅读A Comprehensive Survey on Pretrained Foundation Models: A History from BERT to Chat

预训练的基础模型，如BERT、GPT-3、MAE、DALLE-E和ChatGPT，在大规模数据上进行训练，为广泛的下游应用程序提供合理的参数初始化。与以前应用卷积和递归模块进行特征提取的方法不同，生成预训练（GPT）方法应用Transformer作为特征提取器，并在具有自回归范式的大型数据集上进行训练。最近，ChatGPT在大型语言模型上取得了可喜的成功，它应用了一种零镜头或很少显示提示的自回归语言模型。然后，我们讨论了其他数据模式的其他高级PFM，以及考虑数据质量和数量的统一PFM。

2023-03-22 12:23:23 1075 1

原创 ChatGPT使用拓展资料：AI大模型之美 -客户服务、聊天机器人和情感分析

在情感分析方面，该应用程序可以分析用户的语言，并识别情感和意图。该应用程序使用Python编程语言和OpenAI API实现，可以自动化回答用户的问题，并根据用户的输入生成智能响应。这部分代码主要完成了两个功能，首先调用openai模块，导入OpenAI API，其次设置API KEY，也就是我们需要在openai.com上注册并且获得一个API KEY，用来验证我们的API请求。这部分代码通过改变temperature参数，控制生成回答的多样性，temperature越大，生成的回答越随机。

2023-03-21 21:02:38 4736

原创 ChatGPT 拓展资料：AI大模型之美 -重新出发，让我们学会和AI说话

ChatGPT 拓展资料：AI大模型之美 -重新出发，让我们学会和AI说话。

2023-03-21 15:31:24 3664

原创 ChatGPT 拓展资料：强化学习-QLearning DynaQ

Dyna-Q算法则是对Q-learning算法的改进，它在Q-learning的基础上引入了模型学习的思想。所谓“模型学习”，就是计算机会尝试构建出一个对环境的模型，包括状态转移概率和奖励函数等。在Q-learning中，计算机会学习一个Q值表，该表将每个状态和每个可能的行动与相应的Q值相关联。Q值可以理解为一个行动的价值，可以帮助计算机做出最优的决策。通过模型学习，Dyna-Q算法可以更好地利用环境模型来加速学习过程，并且可以更好地应对未知的状态和行动。根据选择的行动，计算出下一个状态以及相应的奖励。

2023-03-19 21:53:43 1475

原创 ChatGPT 拓展资料：强化学习-SARSA算法

具体来说，SARSA算法使用了一个“状态-动作-奖励-状态-动作”（SARSA）序列来更新Q值函数，即在当前状态下选择一个动作并获得奖励后，下一个状态的动作选择也是基于当前策略来进行的。其中，s是当前状态，a是当前执行的动作，r是观察到的奖励，s’是下一个状态，a’是根据下一个状态选择的动作，α是学习率，γ是折扣因子。具体来说，SARSA算法将智能体的行为看作是一种序列决策过程，在每个时间步中，根据当前状态、选择的动作、获得的奖励以及下一个状态和动作的信息，通过更新Q值函数来优化智能体的决策。

2023-03-19 12:57:57 2479

原创 ChatGPT 拓展资料：强化学习-Gym环境

Gym是一个广泛使用的开源软件库，它是针对强化学习任务的仿真环境和算法的工具包。它提供了一个标准的界面，使得研究人员可以轻松地使用各种强化学习算法进行模拟和测试。Gym中包含了各种各样的环境，这些环境模拟了现实世界中的各种问题，例如控制机器人、玩游戏等等。它还提供了丰富的文档和代码示例，使得初学者也能快速上手。我们将使用CartPole环境，它是一个简单的强化学习问题，目标是保持倒立杆平衡。总之，Gym是一个强大的工具，为研究人员和开发者提供了方便和灵活性，使得他们能够更好地研究和实践强化学习算法。

2023-03-15 21:59:14 847