ChatGPT又双用不了了!!!哈士奇教你使用并理解Python调用ChatGPT接口使用

最近哈士奇的chatGPT总是出现问题,可能因为节点或者网络问题总是无法使用,这可难倒了靠chat为生的哈士奇,怎样才能稳定使用chatGPT呢?

但是聪明的哈士奇通过调用chatGPT接口找到了使用chatGPT的新办法,大家都可以试试哦!!

一、准备一个chatGPT的API

大家需要搜索chatgpt,找到Introducing ChatGPT

接着在API中点击Docs

点击锁的图标,进入API KEYS

在其中选择create new secret key创建一个api,记住,创建api需要电话验证,如果你的账号已经有了就直接创建,记得一定要保存好你的API,不然只能重新创建API,然后复制你的API,备用

二、选择一个开发环境(在线或本地)

哈士奇使用的是Python调用接口,因此提供在线和本地

在线版:

这里哈士奇给大家推荐的在线开发环境是Colaboratory

在文件中新建一个笔记本

点击上面打圈的就可以直接运行python代码

本地版

哈士奇的本地开发环境是Spyder,大家使用Pycharm也可以

首先大家需要在控制台中安装openai的包

打开控制台(搜索cmd)

点击命令提示符进入控制台

安装完毕以后我们就可以开始敲代码了!!!

三、代码讲解

python 复制代码
import openai
openai.api_key="你的API"

def generate_data_by_openai(prompt):
   response=openai.Completion.create(
       engine="text-davinci-003",
       prompt=prompt,
       temperature=0.5,
       max_tokens=2048,
       top_p=1
   )
   return response.choices[0].text
while True:
    print("请输入你的问题:")
    prompt=input()
    print("回答:"+generate_data_by_openai(prompt))

openai.Completion 是一个预训练的语言模型,可以自动生成文本。openai.Completion.create() 是一个用于创建新的 OpenAI Completion 实例的函数。

我们在其中创建一个engine在其中填入text-davinci-003,这里要敲黑板了,这个语言模型是OpenAI训练出来的语言模型之一,最大的优势是生成指令

所以大家可能会觉得它比chatGPT笨点这也很正常(代替使用了)

prompt是指的大家给语言模型的主题(就是大家的问题)

接下来是temperature=0.5 temperature是语言生成模型中的一个超参数,值在0.1~1.0之间 当我们需要语言模型解释的东西更精确的时候就调低temperature的数值,这样会导致模型生成更精准的词汇, 但是如果我们调高数值的话,它就会使得它更具有多样性,表现为结果的变得更天马行空

简而言之,temperature的值越低,生成文本更保守,值越高,生成文本更有创意

max_tokens=2048这串代码主要是用于限制生成的最大字数

哈士奇再给大家分享两个可能用得到的变量 frequency_penalty, presence_penalty

frequency_penalty主要用于控制字符的重复度,它的值是介于-2.0 ~ 2.0 之间的数字,如果是正值则会根据新 tokens 在文本中的频率对其进行惩罚,从而降低模型逐字重复同一行的可能性

presence_penalty则是用于控制主题的重复度,它的值是介于-2.0 ~ 2.0 之间的数字,如果是正值则会根据到目前为止是否出现在文本中来惩罚新 tokens,从而增加模型谈论新主题的可能性

response.choices[0].text将生成的全部答案中的第一个回答转化为文本

最后我们简单写个while循环持续使用

让大家看看效果

大家快使用起来吧!!!

相关推荐
码事漫谈4 分钟前
当公司不久后变成冒险者公会,我担心什么
后端
Csvn1 小时前
Nginx 负载均衡进阶与健康检查:哈希、keepalive 池与 DNS 自愈
后端·nginx
皮皮林5512 小时前
京东又开源一款新框架,用起来真优雅!
后端
学长毕设2 小时前
基于SpringBoot智慧养老服务平台设计与实现-附源码
java·spring boot·后端
学无止境小袁同学4 小时前
Google ADK 学习指南
python·llm·agent·多agent·google adk·llmagent·agent cli
郝学胜-神的一滴5 小时前
Effective Python 条款35:用类封装替代生成器异常注入
开发语言·人工智能·python·金融·pandas·scikit-learn·matplotlib
行百里er5 小时前
【Spring Insight 技术分享】跨服务调用链路是怎么串起来的?
后端·spring·开源
火山引擎和TA的超级拍档们5 小时前
产品情报局 11 | AI 数据湖 LAS:打造大模型时代多模态数据底座
前端·后端
源动力技术栈5 小时前
C# 集合类型全览:从 List<T> 到 FrozenDictionary,配一组实测数据
后端
aleimu5 小时前
Windows 11 右键打开 Cmder 2.0:从找不到菜单到默认使用 Cmder
前端·人工智能·后端