荥阳郑州网站建设,网络工程师证书有哪些,农业科技公司网站案例,中国卫生人才网今天学习 OpenAI API#xff0c;你将能够访问 OpenAI 的强大模型#xff0c;例如用于自然语言的 GPT-3、用于将自然语言翻译为代码的 Codex 以及用于创建和编辑原始图像的 DALL-E。 首先获取生成 API 密钥
在我们开始使用 OpenAI API 之前#xff0c;我们需要登录我们的 Op…今天学习 OpenAI API你将能够访问 OpenAI 的强大模型例如用于自然语言的 GPT-3、用于将自然语言翻译为代码的 Codex 以及用于创建和编辑原始图像的 DALL-E。 首先获取生成 API 密钥
在我们开始使用 OpenAI API 之前我们需要登录我们的 OpenAI 帐户并生成我们的API 密钥。
注意OpenAI 不会在生成 API 密钥后再次显示它因此请及时复制你的 API 密钥并保存。我将创建一个名为 OPENAI_API_KEY 的环境变量它将包含我的 API 密钥并将在下一节中使用。
使用 Python接入 OpenAI API
要与 OpenAI API 交互我们需要通过运行以下命令来安装官方OpenAI包。
pip install openai1.文本生成
文本生成可用于文字鉴别、文本生成、自动对话、转换、摘要等。要使用它我们必须使用completion endpoint并为模型提供触发指令然后模型将生成匹配上下文/模式的文本。
假设我们要对以下文本进行鉴别我们向AI输入指令中英文都可以
判断以下Mike的发言情绪是正面、中立还是负面 Mike我不喜欢做作业 Sentimentimport os import openai
openai.api_key os.getenv(OPENAI_API_KEY) prompt
Decide whether a Mikes sentiment is positive, neutral, or negative.Mike: I dont like homework!
Sentiment:response openai.Completion.create( modeltext-davinci-003, promptprompt, max_tokens100, temperature0 ) print(response)
根据 OpenAI 文档GPT-3 模型是与文本生成的endpoint一起使用。 这就是我们在此示例中使用模型 text-davinci-003 的原因。
以下是返回值的部分打印
{choices: [{finish_reason: stop,index: 0,logprobs: null,text: Negative}],
...
}
在此示例中推文的情绪被归类为负面Negative。
让我们看一下这个例子中使用的参数
model 要使用的模型的 ID在这里你可以看到所有可用的模型
Prompt生成结果的触发指令
max_token完成时生成的最大token数量这里可以看到OpenAI使用的tokenizer
temperature要使用的采样策略。 接近 1 的值会给模型带来更多风险/创造力而接近 0 的值会生成明确定义的答案。
2. 代码生成
代码生成与文本生成类似但这里我们使用 Codex 模型来理解和生成代码。
Codex 模型系列是经过自然语言和数十亿行代码训练的 GPT-3 系列的后代。 借助 Codex我们可以将注释转化为代码、重写代码以提高效率等等。
让我们使用模型 code-davinci-002 和下面的触发指令生成 Python 代码。
import os
import openaiopenai.api_key os.getenv(OPENAI_API_KEY)response openai.Completion.create(modelcode-davinci-002,prompt\\\\nCreate an array of weather temperatures for Shanghai\n\\\,temperature0,max_tokens256,top_p1,frequency_penalty0,presence_penalty0
)print(response)
以下是返回值的部分打印
{choices: [{finish_reason: stop,index: 0,logprobs: null,text: \n\nimport numpy as np\n\ndef create_temperatures(n):\n \\\\n Create an array of weather temperatures for Shanghai\n \\\\n temperatures np.random.uniform(low14.0, high20.0, sizen)\n return temperatures}],
...}
}
把text部分重新显示格式化一下你就会看到规整的代码生成了
import numpy as npdef create_temperatures(n):temperatures np.random.uniform(low14.0, high20.0, sizen)return temperatures
3. 图像生成
我们可以使用 DALL-E 模型生成图像我们使用图像生成endpoint并提供文本指令。
以下是我的测试指令我们在指令中提供的细节越多我们就越有可能获得我们想要的结果。
例如 一只毛茸茸的蓝眼睛白猫坐在花篮里可爱地抬头看着镜头
import openairesponse openai.Image.create(promptA fluffy white cat with blue eyes sitting in a basket of flowers, looking up adorably at the camera,n1,size1024x1024
)
image_url response[data][0][url]
print(image_url)
即可生成图片。 当然更有趣的是还可以使用images编辑图像并生成原图像的调整。
详细请查看官方文档openAI官方文档
