Conda 虚拟环境相关命令
- conda 是一个很强大的工具,可以进行python的虚拟环境管理/第三方包管理。
- 在使用conda命令之前,需要确保电脑环境中安装了Anaconda/Miniconda,如果不知道怎么安装请自行搜索,或者问问你喜欢的大模型。
- 安装好后可以在终端中输入conda 命令然后按回车,或者conda --help 查看更多的帮助。
- 创建新环境
bash
conda create --name myenv
- 激活虚拟环境
bash
conda activate myenv
- 退出虚拟环境
bash
conda deactivate
- 其它常见命令
bash
#查看当前设备上所有的虚拟环境
conda env list
#查看当前环境中安装了的所有包
conda list
#删除环境(比如要删除myenv)
conda env remove myenv
安装Python第三方依赖包
- 使用pip安装
bash
pip install <你想安装的包名>
- 使用 conda 安装
bash
conda install <你想安装的包名>
- 例如安装现在比较流行的python http 请求包:
bash
pip install httpx
- 安装requirements.txt
bash
pip install -r requirements.txt
使用Vscode 连接开发机进行Python程序Debug
-
安装python扩展
点击vscode左侧栏的插件图标->在搜索框内输入python然后回车->点击搜索结果的第一个->点击右侧插件详情的安装
-
配置调试
打开需要调试的python文件->点击左侧栏的调试图标->点击"创建launch.json文件"->在弹出框内选择Python Debugger
在接下来的弹出框内选择"Python文件"
就会看到vscode帮忙创建的launch.json
-
设置断点
回到需要调试的python文件,为需要调试的一行或者多行设置断点,在debug模式下,程序运行到断点处就会自动暂停
-
启动调试
设置好断点后,就可以点击左侧的绿色播放按钮启动调试
-
查看变量
启动调试后,就可以在左侧查看变量
-
单步执行代码
1、跳到下一个断点
2、跳到下一行
3、如果当前行是准备执行某个函数则跳进这个函数,否则跳到下一行
4、跳出当前函数
5、重启调试
6、停止调试
7.条件断点
- 表达式
表达式断点在表达式为真时程序才会暂停
在添加了一个普通断点之后再鼠标右键这个断点->点击编辑断点->表达式即可添加
添加好断点之后,再启动调试就会看到程序会运行到i = 9时才会暂停
- 触发计数
在编辑断点的时候选择触发计数,填入计数
可以看到程序在i = 5时会暂停,因为触发计数填的是5
- 记录日志
编辑断点->选择日志消息->输入日志消息 使用 {}将变量括起来以输出改变量
启动调试即可在调试控制台看到日志消息
Python调用InternLM api
申请API Token
点击API Tokens
再点击Create API Token
将创建的API Token 放到开发机环境变量中
bash
export API_KEY=<YOUR API KEY>
或者写到 ~/.bashrc中 进行永久保存,再source ~/.bashrc读取到环境变量中
你也可以使用echo命令来确认你的环境变量中是否有API_KEY
bash
echo $API_KEY
如果输出结果是你的API_KEY就ok啦
安装依赖包
在开发机终端中执行以下命令
bash
pip install openai
运行代码
将以下代码保存到开发机中命名为intern_lm_api.py
python
#./internlm_test.py
from openai import OpenAI
import os
def internlm_gen(prompt,client):
'''
LLM生成函数
Param prompt: prompt string
Param client: OpenAI client
'''
response = client.chat.completions.create(
model="internlm2.5-latest",
messages=[
{"role": "user", "content": prompt},
],
stream=False
)
return response.choices[0].message.content
api_key = os.getenv('API_KEY')
#api_key = "" #也可以明文写在代码内,不推荐
client = OpenAI(base_url="https://internlm-chat.intern-ai.org.cn/puyu/api/v1/",api_key=api_key)
prompt = '''你好!你是谁?'''
response = internlm_gen(prompt,client)
print(response)
bash
python intern_lm_api.py
你可以可以尝试修改代码中的提示词以获得不同的大模型结果
关卡任务
任务一
算法题判断 ransomNote 是否能由magazine的字符组成,且magazine中的每个字符只能用一次。解题思路就是 遍历ransomNote 中的每个字符是否都在magazine中,只要有一个不存在就返回False。为了满足每个在magazine中的字符只能使用一次,需要在每次用过后将其从magazine中移除。
Leetcode383
任务二
调试如下代码
python
from openai import OpenAI
import json
import os
def internlm_gen(prompt,client):
'''
LLM生成函数
Param prompt: prompt string
Param client: OpenAI client
'''
response = client.chat.completions.create(
model="internlm2.5-latest",
messages=[
{"role": "user", "content": prompt},
],
stream=False
)
return response.choices[0].message.content
api_key = os.getenv('API_KEY')
client = OpenAI(base_url="https://internlm-chat.intern-ai.org.cn/puyu/api/v1/",api_key=api_key)
content = """
书生浦语InternLM2.5是上海人工智能实验室于2024年7月推出的新一代大语言模型,提供1.8B、7B和20B三种参数版本,以适应不同需求。
该模型在复杂场景下的推理能力得到全面增强,支持1M超长上下文,能自主进行互联网搜索并整合信息。
"""
prompt = f"""
请帮我从以下``内的这段模型介绍文字中提取关于该模型的信息,要求包含模型名字、开发机构、提供参数版本、上下文长度四个内容,以json格式返回。
`{content}`
"""
res = internlm_gen(prompt,client)
res_json = json.loads(res)
print(res_json)
直接运行就会有如下报错:
使用vscode运行时遇到报错vscode也为我们自动暂停到报错的那一行代码(32行),仔细查看报错就可以发现是Json解析出错了,一般这种报错都是解析的文本不符合json格式导致的。这时候就可以去查看res这个被json.loads的变量的内容:
果然一看,艾嘛介不是markdown格式的文本嘛。
要解决这个问题,只需把markdown代码块语法去除即可,加上以下这个两行代码:
加上后程序就可以正常输出啦:
再贴上解决后的代码:
python
from openai import OpenAI
import json
import os
def internlm_gen(prompt,client):
'''
LLM生成函数
Param prompt: prompt string
Param client: OpenAI client
'''
response = client.chat.completions.create(
model="internlm2.5-latest",
messages=[
{"role": "user", "content": prompt},
],
stream=False
)
return response.choices[0].message.content
api_key = os.getenv('API_KEY')
client = OpenAI(base_url="https://internlm-chat.intern-ai.org.cn/puyu/api/v1/",api_key=api_key)
content = """
书生浦语InternLM2.5是上海人工智能实验室于2024年7月推出的新一代大语言模型,提供1.8B、7B和20B三种参数版本,以适应不同需求。
该模型在复杂场景下的推理能力得到全面增强,支持1M超长上下文,能自主进行互联网搜索并整合信息。
"""
prompt = f"""
请帮我从以下``内的这段模型介绍文字中提取关于该模型的信息,要求包含模型名字、开发机构、提供参数版本、上下文长度四个内容,以json格式返回。
`{content}`
"""
res = internlm_gen(prompt,client)
res = res.replace("```json", "")
res = res.replace("```", "")
res_json = json.loads(res)
print(res_json)