基于GPT-2 1.3B模型，优点是cpu也可以跑，简单，快速。我们训练模型的过程，就是通过不断的迭代计算，使用梯度下降的优化算法，使得损失函数越来越小。直白来说，就是用它来描述我们模型的鲁棒性，损失函数越小，模型的鲁棒性就越好。如果仔细观察，会发现我们正在训练一个GPT，其上下文大小最多为256个字符，384个功能通道，它是一个6层的Transformer，每层有6个头。结束后，进入D:\Simon\nanoGPT\out-tang目录下，生成了一个ckpt.pt文件，这就是模型了。

只有购买了ChatGPT plus会员，才能快速获得访问GPT-4的权限。或者申请研究人员访问计划，会对研究人员访问优先，可以访问这个地址来提交申请 ：https://openai.com/form/researcher-access-program。打开：https://chat.openai.com/chat，点进购买 Plus 链接, 虽然使用的是美国的服务器，也是一样被拦截了，亲测无效。在首页点击加入候补名单，进入地址：https://openai.com/waitlist/gpt-4-api。

这段时间我们能看到科技圈在集体“追风口”，大量资源（注意力、算力、人才、政策等）都被投入到OpenAI引领的大语言模型热潮中，有些高校甚至出现了“不做LLM就没有算力用”的局面，追逐OpenAI的赛道已经十分拥挤。在我们都将注意力放到企业 AI 大战时，谷歌内部人员反而指出，最后的赢家不是谷歌和 OpenAI，反而是开源模型。

开始微调作业后，可能需要一些时间才能完成。训练我们的模型可能需要几分钟或几小时，具体取决于模型和数据集的大小。openai api completions.create -m ada:ft-personal-2023-05-24-06-22-13 -p 你要到哪里去。执行以下命令，将修改后的文件写入当前目录下，我的目录为：`/home/project/model/tang_prepared.json`1、环境配置，安装python，环境变量，中文字体设置等。工作完成后，显示微调模型的名称。

以搜索为例，介绍如何使用openAI嵌入模型，创建一个"农村产权流转交易服务知识库系统"，在指定范围内回答我们的提问。下面放所有的文本文件，每一个主题内容一个文件，文件内不需要再写标题，每个文件大小限制在500字以内，详图。4、GptResp.py，编写响应服务类，根据指定的样本，回答提问。请注意要替换自己的token。3、GptParser.py，编译文本，生成嵌入式训练样本。

autoGPT 是一个基于GPT的agent，可以根据思考结果进行各种操作，比如上网、使用第三方工具、直接操作你的电脑，然后再根据使用工具的结果进一步思考，实现了一个「行动 – 观察行动结果 – 思考 – 决定下一步行动」的自我循环。# 问目标是什么，可以写5个关联的任务，如我这里的是：查找姓名王中天，保存到d:/wzt.txt，然后打开这个文件。# 问预算，因为chatGPT是收费的，所以担心问题太多太长，超过你的费用了，回车即可。# 是否采用上次的配置，包括名称，角色，目标，api预算，输入 n。

采用vue+iview框架，展示调用chatGPT后的效果。1、package.json参考。2、chatGPT.vue页面完整源代码。

在centos中运行图形化浏览器的办法有三，一是安装文本浏览器elinks，二是安装图形化桌面，三是代理服务器。最后一步是重点，能安装成功的，在此一篇。

为什么要租赁海外服务器，ChatGPT是能听懂人话的人工智能，能够模拟人类的思考和表达，图灵测试对它来说是小儿科了。它的出现标志着人工智能技术在自然语言处理和智能对话系统领域的重大进展和突破，其历史意义，不亚于互联网和个人电脑的诞生。它虽然可以被全世界的用户访问和使用，然而，有些国家的网络访问可能会受到一些限制，可能需要使用fan qiang等技术才能访问到chatGPT。而租赁阿里云海外服务器无疑是一种最合法的方式，访问架构如下图