Python怎麼呼叫GPT3.5接口
GPT3.5介面呼叫方法主要包括openai安裝、api_requestor.py替換、介面呼叫、範例程式說明四個部分。
1 openai安裝
Python openai函式庫可直接透過pip install openai安裝。如果已經安裝openai,但是後續提示找不到ChatCompletion,那麼請使用指令「pip install -U openai」來升級openai。
2 api_requestor.py替換
Python openai安裝完成後,會產生api_requestor.py文件,檔案位於python環境庫檔案目錄下“site-packages\openai\api_requestor.py”,如下圖所示。將該文件進行替換,在公眾號樂樂感知學堂中回覆api35即可取得用來替換的文件。
Windows:
C:\ProgramData\Anaconda3\Lib\site-packages\openai\api_requestor.py
或
C:\ProgramData\Anaconda3\envs\xxx\ lib\site-packages\openai\api_requestor.py
Linux:
/root/miniconda3/lib/pythonxx/site-packages/openaiapi_requestor.py
或
/root/miniconda3/envs/xxx /lib/pythonxx/site-packages/openaiapi_requestor.py
將該文件進行替換,在公眾號樂樂感知學堂中回复api35即可獲得用來替換的文件。
3 介面呼叫說明
介面呼叫方式不變,與openai自身呼叫方式一致。輸入主要有7個參數。
(1)model:模型名稱,gpt-3.5-turbo或gpt-3.5-turbo-0301
(2)messages:問題或補充全部內容,以下重點介紹。
(3)temperature:控制結果隨機性,0.0表示結果固定,隨機性大可設定為0.9。
(4)max_tokens:最大回傳字數(包括問題和答案),通常漢字佔兩個token。假設設定成100,如果prompt問題中有40個漢字,那麼回傳結果最多包含10個漢字。 ChatGPT API允許的最大token數量為4096,即max_tokens最大設定為4096減去問題的token數量。
(5)top_p:設定為1即可。
(6)frequency_penalty:設定為0即可。
(7)presence_penalty:設定為0即可。
(8)stream:控制連續輸出或完整輸出。
則需要注意,而上述輸入參數增加stream,即是否以控制流程的方式輸出。
如果stream取值為False,那麼完全傳回全部文字結果,可透過response.choices[0].delta['content']讀取。但是,字數越多,等待返回時間越長,時間可參考控制流讀出時的4字/每秒。如果steam取值為True時,那麼回傳結果就是一個Python generator,需要透過迭代來取得結果,平均大約每秒鐘4個字(33秒134字,39秒157字)。讀取程序如下所示.
4 message
messages字段組成部分包括角色role和content問題兩個部分組成,如下所示:
model="gpt-3.5-turbo", messages=[ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": "Who won the world series in 2020?"}, {"role": "assistant", "content": "The Los Angeles Dodgers won the World Series in 2020."}, {"role": "user", "content": "Where was it played?"} ]
gpt 3.5-turbo模型中,角色role包含system系統、assistant助手、使用者user三種類型。 System角色相當於告訴ChatGPT具體以何種角色回答問題,需要在content中指明具體的角色和問題內容。而gpt-3.5-turbo-0301主要區別在於更關注問題內容,而不會特別關注具體的角色部分。 gpt-3.5-turbo-0301模型有效期到6月1日,而gpt-3.5-turbo會持續更新。
assistant助理和使用者user則相當於已經指明了角色,content直接寫入關注的問題即可。
5 範例程式
(1)stream = False
import openai def openai_reply(content, apikey): openai.api_key = apikey response = openai.ChatCompletion.create( model="gpt-3.5-turbo-0301",#gpt-3.5-turbo-0301 messages=[ {"role": "user", "content": content} ], temperature=0.5, max_tokens=1000, top_p=1, frequency_penalty=0, presence_penalty=0, ) # print(response) return response.choices[0].message.content if __name__ == '__main__': content = '你是谁?' ans = openai_reply(content, '你的APIKEY') print(ans)
(2)stream = True
import time import openai openai.api_key = "你的APIKEY" response = openai.ChatCompletion.create( model="gpt-3.5-turbo", messages=[ {"role": "user", "content": 'how are you'} ], temperature=0, max_tokens=1000, stream=True, top_p=1, frequency_penalty=0, presence_penalty=0, user='RdFast智能创作机器人小程序' ) print(response) print('response["choices"][0]["text"]结果如下所示:') ans = '' for r in response: if 'content' in r.choices[0].delta: ans += r.choices[0].delta['content'] print(ans) print(ans)
以上是Python怎麼呼叫GPT3.5接口的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

熱門話題

HadiDB:輕量級、高水平可擴展的Python數據庫HadiDB(hadidb)是一個用Python編寫的輕量級數據庫,具備高度水平的可擴展性。安裝HadiDB使用pip安裝:pipinstallhadidb用戶管理創建用戶:createuser()方法創建一個新用戶。 authentication()方法驗證用戶身份。 fromhadidb.operationimportuseruser_obj=user("admin","admin")user_obj.

2小時內可以學會Python的基本編程概念和技能。 1.學習變量和數據類型,2.掌握控制流(條件語句和循環),3.理解函數的定義和使用,4.通過簡單示例和代碼片段快速上手Python編程。

直接通過 Navicat 查看 MongoDB 密碼是不可能的,因為它以哈希值形式存儲。取回丟失密碼的方法:1. 重置密碼;2. 檢查配置文件(可能包含哈希值);3. 檢查代碼(可能硬編碼密碼)。

Python在web開發、數據科學、機器學習、自動化和腳本編寫等領域有廣泛應用。 1)在web開發中,Django和Flask框架簡化了開發過程。 2)數據科學和機器學習領域,NumPy、Pandas、Scikit-learn和TensorFlow庫提供了強大支持。 3)自動化和腳本編寫方面,Python適用於自動化測試和系統管理等任務。

MySQL數據庫性能優化指南在資源密集型應用中,MySQL數據庫扮演著至關重要的角色,負責管理海量事務。然而,隨著應用規模的擴大,數據庫性能瓶頸往往成為製約因素。本文將探討一系列行之有效的MySQL性能優化策略,確保您的應用在高負載下依然保持高效響應。我們將結合實際案例,深入講解索引、查詢優化、數據庫設計以及緩存等關鍵技術。 1.數據庫架構設計優化合理的數據庫架構是MySQL性能優化的基石。以下是一些核心原則:選擇合適的數據類型選擇最小的、符合需求的數據類型,既能節省存儲空間,又能提升數據處理速度

作為數據專業人員,您需要處理來自各種來源的大量數據。這可能會給數據管理和分析帶來挑戰。幸運的是,兩項 AWS 服務可以提供幫助:AWS Glue 和 Amazon Athena。

啟動 Redis 服務器的步驟包括:根據操作系統安裝 Redis。通過 redis-server(Linux/macOS)或 redis-server.exe(Windows)啟動 Redis 服務。使用 redis-cli ping(Linux/macOS)或 redis-cli.exe ping(Windows)命令檢查服務狀態。使用 Redis 客戶端,如 redis-cli、Python 或 Node.js,訪問服務器。

要從 Redis 讀取隊列,需要獲取隊列名稱、使用 LPOP 命令讀取元素,並處理空隊列。具體步驟如下:獲取隊列名稱:以 "queue:" 前綴命名,如 "queue:my-queue"。使用 LPOP 命令:從隊列頭部彈出元素並返回其值,如 LPOP queue:my-queue。處理空隊列:如果隊列為空,LPOP 返回 nil,可先檢查隊列是否存在再讀取元素。
