《动手做科研》训练营第1天

最新推荐文章于 2024-09-27 11:24:31 发布

Tait_L

最新推荐文章于 2024-09-27 11:24:31 发布

阅读量302

点赞数 5

分类专栏：动手做科研文章标签：考研阿里云 python

本文链接：https://blog.csdn.net/longTT_TT/article/details/141288018

版权

动手做科研专栏收录该内容

1 篇文章 0 订阅

订阅专栏

《动手做科研》训练营第1天

github链接

今日任务

学会如何快速使用colab/kaggle notebook，执行python代码
大模型应用，如何调用

准备python运行环境教程

注册教程

线上的这个kaggle运行平台就是不用繁琐的下载一些库，本身包含了很多的库，给我们省去了很多的麻烦

在Kaggle Notebook上注册了账号，选择的是用谷歌邮箱注册，然后在主页选择code上copy的代码直接运行

在这里插入图片描述

也可以create notebook

import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# 示例数据
X = np.array([[1], [2], [3], [4], [5]])  # 特征
y = np.array([2, 4, 6, 8, 10])            # 目标变量

# 拆分数据
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 输出结果
print("预测值:", y_pred)
print("均方误差:", mean_squared_error(y_test, y_pred))

在这里插入图片描述

调用大模型

调用大模型的目的是啥？为什么要在代码里写上调用大模型的接口？

调用大模型的目的是利用其强大的计算能力和训练数据，进行复杂的任务，如自然语言处理或图像识别。在代码中调用大模型的接口可以让你直接利用这些模型的功能，实现更高效、更智能的解决方案。

步骤

安装DashScope SDK
```
pip install dashscope
```
获得API-KEY：开通DashScope并创建API-KEY

运行一下代码

from http import HTTPStatus
import dashscope
dashscope.api_key="xxxx"#此处填写你获取的apikey代码

def call_with_messages():
    messages = [{'role': 'system', 'content': 'You are a helpful assistant.'},
                {'role': 'user', 'content': '请介绍一下通义千问'}]

    response = dashscope.Generation.call(
        dashscope.Generation.Models.qwen_turbo,
        messages=messages,
        result_format='message',  # 将返回结果格式设置为 message
    )
    if response.status_code == HTTPStatus.OK:
        print(response)
    else:
        print('Request id: %s, Status code: %s, error code: %s, error message: %s' % (
            response.request_id, response.status_code,
            response.code, response.message
        ))


if __name__ == '__main__':
    call_with_messages()

调试成功后输出一下结果

{
    "status_code": 200,
    "request_id": "a75a1b22-e512-957d-891b-37db858ae738",
    "code": "",
    "message": "",
    "output": {
        "text": null,
        "finish_reason": null,
        "choices": [
            {
                "finish_reason": "stop",
                "message": {
                    "role": "assistant",
                    "content": "通义千问是阿里云自主研发的超大规模语言模型，能够回答问题、创作文字，还能表达观点、撰写代码。作为一个大型预训练语言模型，我能够根据您提出的指令产出相关的回复，并尽可能提供准确和有用的信息。我会不断学习和进步，不断提升自己的能力，为用户提供更好的服务。如果您有任何问题或需要帮助，请随时告诉我。"
                }
            }
        ]
    },
    "usage": {
        "input_tokens": 25,
        "output_tokens": 77,
        "total_tokens": 102
    }
}

“usage”: {
“input_tokens”: 25,
“output_tokens”: 77,
“total_tokens”: 102
}
}