首饰盒东莞网站建设,西安网站建设多少钱,影楼网站模板,网站建设服务协议模板【初探人工智能】2、雏形开始长成【初探人工智能】2、雏形开始长成安装Flask封装Web接口雏形设置接收参数功能验证聊天写代码代码补全生成图片写在后面笔者初次接触人工智能领域#xff0c;文章中错误的地方还望各位大佬指正#xff01; 【初探人工智能】2、雏形开始长成
在…
【初探人工智能】2、雏形开始长成【初探人工智能】2、雏形开始长成安装Flask封装Web接口雏形设置接收参数功能验证聊天写代码代码补全生成图片写在后面笔者初次接触人工智能领域文章中错误的地方还望各位大佬指正 【初探人工智能】2、雏形开始长成
在上一篇文章中我们已经初步体验了一下人工智能的聊天功能只是不具备真正的交互功能。这篇文章主要介绍如何打造一个基于Web的交互环境。
安装Flask
Flask是一个Python编写的Web 微框架让我们可以使用Python语言快速实现一个网站或Web服务。我们可以通过Flask将聊天功能封装成Web接口对外发布。
要使用Flask需要先安装执行命令
pip install flask安装过程
(OpenAI) wux_labswux-labs-vm:~$ pip install flask
Collecting flaskDownloading Flask-2.2.3-py3-none-any.whl (101 kB)━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 101.8/101.8 kB 1.2 MB/s eta 0:00:00
Collecting click8.0Downloading click-8.1.3-py3-none-any.whl (96 kB)━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 96.6/96.6 kB 2.7 MB/s eta 0:00:00
Collecting Jinja23.0Downloading Jinja2-3.1.2-py3-none-any.whl (133 kB)━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 133.1/133.1 kB 9.7 MB/s eta 0:00:00
Collecting importlib-metadata3.6.0Downloading importlib_metadata-6.0.0-py3-none-any.whl (21 kB)
Collecting Werkzeug2.2.2Downloading Werkzeug-2.2.3-py3-none-any.whl (233 kB)━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 233.6/233.6 kB 8.3 MB/s eta 0:00:00
Collecting itsdangerous2.0Downloading itsdangerous-2.1.2-py3-none-any.whl (15 kB)
Collecting zipp0.5Using cached zipp-3.13.0-py3-none-any.whl (6.7 kB)
Collecting MarkupSafe2.0Downloading MarkupSafe-2.1.2-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (25 kB)
Installing collected packages: zipp, MarkupSafe, itsdangerous, click, Werkzeug, Jinja2, importlib-metadata, flask
Successfully installed Jinja2-3.1.2 MarkupSafe-2.1.2 Werkzeug-2.2.3 click-8.1.3 flask-2.2.3 importlib-metadata-6.0.0 itsdangerous-2.1.2 zipp-3.13.0
(OpenAI) wux_labswux-labs-vm:~$ 安装好Flask之后写一个脚本server.py验证一下。
from flask import Flask
app Flask(__name__)app.route(/)
def hello_world():return Hello Worldif __name__ __main__:app.run()启动服务
python server.py验证一下 但是这样只能本地访问无法外网访问。Flask类的run()方法可以指定参数让服务按照我们的预期运行这里需要指定外网可以访问。修改一下代码
from flask import Flask
app Flask(__name__)app.route(/)
def hello_world():return Hello Worldif __name__ __main__:app.run(host0.0.0.0)重新启动后通过浏览器访问。 这样就可以通过外网访问了。
封装Web接口雏形
现在我们可以将自己的功能封装成Web接口了修改脚本
from flask import Flask
import os
import openaiopenai.api_key os.getenv(openai_api_key)app Flask(__name__)app.route(/chatgpt)
def chatgpt():response openai.Completion.create(modeltext-davinci-003, # 最强大的GPT-3模型This models maximum context length is 4097 tokensprompt介绍一下机器学习算法,temperature0.8,max_tokens3000,top_p1.0,frequency_penalty0.5,presence_penalty0.0)return response.choices[0].textif __name__ __main__:app.run(host0.0.0.0)重新启动之后通过浏览器访问一下 这样我们就可以通过Web接口来调用相应的API了。
设置接收参数
接下来修改我们的Web接口让它可以接收用户参数。
from flask import Flask, request
import os, json
import openaiopenai.api_key os.getenv(openai_api_key)app Flask(__name__)app.route(/chatgpt, methods[post])
def chatgpt():get_data request.get_data()get_data json.loads(get_data)response openai.Completion.create(modelget_data[model],promptget_data[prompt],temperatureget_data[temperature],max_tokensget_data[max_tokens],top_pget_data[top_p],frequency_penaltyget_data[frequency_penalty],presence_penaltyget_data[presence_penalty],)return response.choices[0].textif __name__ __main__:app.run(host0.0.0.0)功能验证
由于我们将接口改成了接收POST请求的所以不能直接通过浏览器访问了需要借助客户端工具比如Postman、PyCharm中的Http Request插件等。
聊天
基于上述代码发起POST请求使用text-davinci-003模型得到响应如下。 写代码
使用text-davinci-003模型让机器人生成一段代码试试。 代码补全
尝试一下其他模型比如code-davinci-002该模型可用于补全代码不过当前处于beta阶段。发起POST请求补全一段Python代码中的测试用例代码输出的内容为
test_sum_numbers():
assert sum_numbers(2, 3) 5
assert sum_numbers(1, -1) 0
assert sum_numbers(10.5, 2) 12.5
test_sum_numbers()
# 测试错误的函数
def test_sum_numbers():
assert sum_numbers(2, 3) 6 # 这个测试会失败
test_sum_numbers()# 单元测试中的断言函数assertEqual()、assertTrue()、assertFalse()……以及方法还有很多。你可以在文档中查看所有的断言函数。上述代码只有openai生成的部分。
如果是在交互式环境下真实场景应该是在代码后面进行补全 生成图片
修改一下脚本在代码中添加生成图片的接口
from flask import Flask, request
import os, json
import openaiopenai.api_key os.getenv(openai_api_key)app Flask(__name__)app.route(/chat, methods[post])
def chat():get_data request.get_data()get_data json.loads(get_data)response openai.Completion.create(modelget_data[model],promptget_data[prompt],temperatureget_data[temperature],max_tokensget_data[max_tokens],top_pget_data[top_p],frequency_penaltyget_data[frequency_penalty],presence_penaltyget_data[presence_penalty],)return response.choices[0].textapp.route(/image, methods[post])
def image():get_data request.get_data()get_data json.loads(get_data)response openai.Image.create(promptget_data[prompt],n1,size1024x1024)return response[data][0][url]if __name__ __main__:app.run(host0.0.0.0)重启服务后发送POST请求生成的图片结果如下。 写在后面
至此我们的机器人就具备了一些基本的功能了后续做好用户界面就可以了。
