AI一键注释代码、阅读整个项目、转换编程语言。已开源!

获取github源码地址和国内url、key方式:在文章底部

大家好今天给大家介绍一款开源项目,这个项目是由渡码维护的,这个项目支持自己的大模型和使用openai两种方式,本文章介绍使用openai的方式!

使用过程中发现两个问题需要注意

1、源码还不足以支撑大型项目的代码注释、阅读

2、代码不可以以gbk方式存储

当然对于我们阅读一些小型项目足够了,下面是开源项目的环境配置和使用演示。

1、环境搭建

1.1 首先要有python环境

python3.10以上版本

1.2 执行下面命令安装依赖包

pip install -r requirements.txt

依赖库安装完成

1.3 修改配置文件

源代码中是通过配置文件修改配置项 ,但是我修改了几次没有改成功,索性直接不用配置文件在python修改了配置项。

如果你修改配置文件也无法运行的话可以使用下面方法修改Python代码

国内用户:

OPENAI_BASE_URL和OPENAI_API_KEY获取方式在文章底部

有魔法的用户:

OPENAI_BASE_URL统一为:https://api.openai.com/v1

使用自己openai账户的key:https://platform.openai.com/api-keys

1.4 运行代码

python main.py

2、工具使用演示

根据工具提示的网址和端口号,复制到浏览器打开。

2.1 选择大模型

2.2 阅读代码

选中一个文件,会对这个文件进行总结

 2.3总结整个项目

2.4 为项目添加注释

首先需要选中一个文件 

点击添加注释

注释添加完成(如果对于注释不满意可以多点几次添加注释)

3、注意事项

  1. 关于模型选择,3.5和4.0都可以,我在视频演示用的是3.5(gpt-3.5-turbo-1106)
  2. 模型上下文最好在 16k 以上,因为有些源文件比较大,上下文太小可能长度不够
  3. 把非源代码的文件删掉,如:压缩文件、图片、模型权重等。阅读这些文件无意义,可能产生不必要的报错,甚至浪费你的api额度
  4. 关注你的api额度,一上来尽量不要读文件多、文件大的项目,建议先用小项目试试,关注一下api额度消耗情况。
  • 5
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
Java开源项目JOONE是一个基于Java的神经网络框架,可以用来实现人工智能编程。下面是一个使用JOONE实现人工智能的例子: 假设我们要实现一个简单的人工智能程序,该程序能够识别手写数字。我们可以使用JOONE来训练一个神经网络,让它学会如何识别手写数字。 首先,我们需要准备一些手写数字的数据集。这些数据集可以是一个包含手写数字图像和对应标签的数据集。我们可以使用MNIST数据集,它是一个广泛使用的手写数字数据集。 接下来,我们需要使用JOONE构建一个神经网络,该网络将接受手写数字图像作为输入,输出该数字的标签。我们可以使用JOONE的神经网络模块来构建网络,例如: ``` NeuralNet nn = new NeuralNet(); Layer inputLayer = new InputLayer(); Layer hiddenLayer = new SigmoidLayer(); Layer outputLayer = new OutputLayer(); nn.addLayer(inputLayer); nn.addLayer(hiddenLayer); nn.addLayer(outputLayer); FullSynapse synapseIH = new FullSynapse(); FullSynapse synapseHO = new FullSynapse(); synapseIH.setInputLayer(inputLayer); synapseIH.setOutputLayer(hiddenLayer); synapseHO.setInputLayer(hiddenLayer); synapseHO.setOutputLayer(outputLayer); nn.addSynapse(synapseIH); nn.addSynapse(synapseHO); ``` 以上代码创建了一个包含一个输入层、一个隐藏层和一个输出层的神经网络。输入层接受手写数字图像,输出层输出该数字的标签。隐藏层使用Sigmoid函数作为激活函数。 接下来,我们需要使用JOONE的训练模块来训练神经网络。我们可以使用反向传播算法来训练网络,例如: ``` BackpropagationTrainer trainer = new BackpropagationTrainer(); trainer.setNeuralNet(nn); trainer.setTrainingPatterns(trainingPatterns); trainer.train(); ``` 以上代码使用训练模式来训练神经网络。训练模式包含一组输入和对应的输出标签,用于训练神经网络。训练模式可以从MNIST数据集中生成。 最后,我们可以使用训练好的神经网络来识别手写数字。例如: ``` double[] input = new double[784]; //将手写数字图像转换为一维数组,作为神经网络的输入 nn.setInput(input); //获取神经网络的输出,即识别出的手写数字标签 double[] output = nn.getOutput(); ``` 以上代码将手写数字图像转换为一维数组,作为神经网络的输入。然后获取神经网络的输出,即识别出的手写数字标签。 通过以上步骤,我们就可以使用JOONE来实现一个简单的手写数字识别人工智能程序。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

吻等离子

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值