野生智能（AI）已经成了各个范围的枢纽手艺。Python动作一种功用强大的编程语言，成了AI范围的尾选语言。
Python战AI的干系便比如英语战教术论文。英语不但能够用去写教术论文，也能够用去写脚本、侦察故事等等，教术论文也纷歧定非要用英语写，华文也能够、俄语也能够，不过教术界支流是用英语。类似的python不但是能够干ai，也能够用去干网站、干游玩等等。ai也纷歧定非要用python，不过教术界支流是用python。
1、Python正在AI年夜模子中的使用
机械进修：使用Python编辑机械进修算法，如决议计划树、撑持背质机、神经收集等。天然语言处置：使用Python战天然语言处置库（如NLTK、spaCy）去阐发战处置文原数据，比方文天职类、感情阐发、定名真体识别等。举荐体系：使用Python战举荐体系库（如Surprise、LightFM）去建立本性化举荐体系，比方影戏举荐、商品举荐等。计较机望觉：使用Python战计较机望觉库（如OpenCV、PIL、TensorFlow）去处置图象战望频数据，比方图象分类、目标检测、人脸识别等。语音识别：使用Python战语音识别库（如SpeechRecognition、PyAudio）去将语音变换为文原数据。加强进修：使用Python战加强进修库（如TensorFlow、PyTorch）去完毕智能体正在情况中截至自立进修战决议计划的历程。游玩AI：使用Python战游玩开辟库（如Pygame、Unity）去完毕游玩中的智能脚色战仇敌的举动。
2、AI年夜模子顶用到的Python东西战库
1）TensorFlow
TensorFlow是一个流行的深度进修框架，它供给了很多东西战库，以撑持正在Python中使用AI年夜模子。如下是一点儿经常使用的TensorFlow库：
TensorFlow中心库：那是TensorFlow框架的中心库，供给了建立战锻炼神经收集的须要功用。它撑持使用Python语言截至开辟，并供给了活络的API去建立各类范例的神经收集。TensorFlow Data API：那个API供给了一种简朴的办法去处置数据散，包罗数据减载、预处置、变换战批质处置等。它使患上数据减载战预处置越发简单，共时进步了数据处置服从。TensorFlow Serving：那个库供给了一种办法去布置战托管TensorFlow模子。它能够将模子导出为一个自包罗的Docker容器，并供给了API去取模子截至接互。TensorFlow Lite：那个库供给了一种办法去将TensorFlow模子变换为挪动战嵌进式装备上运行的格局。它撑持使用预锻炼模子截至揣度，并供给了API去劣化模子巨细战运行速率。TensorFlow Addons：那个库供给了一点儿分外的功用，以扩大TensorFlow的中心功用。它包罗一点儿有效的模块，比方文原处置、图象处置战劣化器等。
正在使用TensorFlow时，您需要装置TensorFlow库，并使用其供给的API去建立、锻炼战布置神经收集。您能够使用Python编辑代码，以挪用TensorFlow库中的函数战办法，以完毕所需的深度进修任务。
2） PyTorch
PyTorch是另外一个流行的深度进修框架，它供给了很多东西战库，以撑持正在Python中使用AI年夜模子。如下是一点儿经常使用的PyTorch库：
PyTorch中心库：那是PyTorch框架的中心库，供给了建立战锻炼神经收集的须要功用。它撑持使用Python语言截至开辟，并供给了活络的API去建立各类范例的神经收集。PyTorch Lightning：那个库供给了一种办法去简化PyTorch模子的锻炼历程。它能够将锻炼历程合成为多个小部门，并供给了API去办理战调理锻炼历程。PyTorch Vision：那个库供给了一点儿用于计较机望觉任务的预锻炼模子战帮助函数。它包罗一点儿经常使用的模子，比方ResNet、VGG战MobileNet等，和用于图象分类、目标检测战朋分等任务的帮助函数。PyTorch Geometric：那个库供给了一点儿用于图形神经收集的函数战模子。它撑持各类图形神经收集层，并供给了用于图形数据处置的帮助函数，比方节面嵌进、图卷积战图留神力等。PyTorch Text：那个库供给了一点儿用于文原处置的函数战模子。它撑持各类文原神经收集层，并供给了用于文天职类、序列天生战语言翻译等任务的帮助函数。
正在使用PyTorch时，您需要装置PyTorch库，并使用其供给的API去建立、锻炼战布置神经收集。您能够使用Python编辑代码，以挪用PyTorch库中的函数战办法，以完毕所需的深度进修任务。
3） Keras
Keras是一个下条理的深度进修框架，它供给了简朴的API战可扩大性，以撑持正在Python中使用AI年夜模子。如下是一点儿经常使用的Keras库：
Keras中心库：那是Keras框架的中心库，供给了建立战锻炼神经收集的须要功用。它撑持使用Python语言截至开辟，并供给了简朴的API去建立各类范例的神经收集。TensorBoard：那是一个可望化东西，能够用于监督战调试Keras模子的锻炼历程。它能够将锻炼过程当中的各类目标可望化，比方丧失函数战精确率等。Keras-Preprocessing：那个库供给了一点儿用于数据预处置的帮助函数，比方数据回一化、数据扩删战数据装分等。它使患上数据预处置越发简单战下效。TensorFlow-Keras：那个库供给了一个简朴的交心去使用TensorFlow后端运行Keras模子。它撑持使用Keras API建立战锻炼TensorFlow模子，并供给了简朴的API去减载战保留TensorFlow模子。PyTorch-Keras：那个库供给了一个简朴的交心去使用PyTorch后端运行Keras模子。它撑持使用Keras API建立战锻炼PyTorch模子，并供给了简朴的API去减载战保留PyTorch模子。
正在使用Keras时，您需要装置Keras库，并使用其供给的API去建立、锻炼战布置神经收集。您能够使用Python编辑代码，以挪用Keras库中的函数战办法，以完毕所需的深度进修任务。Keras的简朴API使患上深度进修模子的建立战锻炼变患上越发简单战下效。
4） Sklearn
Scikit-learn（凡是简称为sklearn）主要是一个为机械进修供给东西的库，但是也能够用它去截至一点儿AI年夜模子的使用，出格是神经收集战深度进修模子。
如下是sklearn中的一点儿主要组件：
估量器（Estimators）变换器（Transformers）评介器（Evaluators）预处置器（Preprocessors）
固然sklearn没有包罗深度进修模子（如TensorFlow或者PyTorch中的模子），但是它的神经收集模子（如MLPClassifier战MLPRegressor）正在许多情况下已经充足用了。别的，sklearn借供给了许多有效的东西，如穿插考证战网格搜刮，能够辅佐您劣化模子的参数。
正在使用sklearn时，您起首需要减载数据，而后使用估量器对于数据截至锻炼，最初使用锻炼佳的模子截至猜测。如下是一个简朴的例子：- from sklearn.neural_network import MLPClassifier
- from sklearn.datasets import load_iris
- from sklearn.model_selection import train_test_split
- # 减载数据
- iris = load_iris()
- X, y = iris.data,
- iris.target
- #联系 数据散
- X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
- #创立 并锻炼模子
- mlp = MLPClassifier(hidden_layer_sizes=(10, 10),
- max_iter=1000)
- mlp.fit(X_train, y_train)
- # 使用模子截至猜测
- predictions = mlp.predict(X_test)
3、理论使用场景剖析
3.1 天然语言处置
AI年夜模子正在天然语言处置（NLP）范围有着普遍的使用，而Python动作一种流行的编程语言，也被普遍用于开辟NLP使用法式。上面是一点儿AI年夜模子正在Python编程中使用场景的例子：
文天职类战感情阐发：使用预锻炼的AI模子，比方BERT或者GPT，能够对于文原截至分类或者感情阐发。那些模子颠末锻炼后，能够识别文原中的中心、企图战感情，进而辅佐企业截至客户撑持、实质过滤战产物举荐等任务。文原天生：AI年夜模子能够用于天生天然语言文原。比方，使用GPT-3模子能够天生下品质的往事报导、小说战诗歌。这类手艺可用于实质创做、告白战创意写做等范围。机械翻译：AI年夜模子能够用于机械翻译，将一种语言的文原主动翻译成另外一种语言。比方，使用Transformer模子能够将英文翻译成华文，辅佐跨国企业截至跨语言相同。语音识别战天生：AI年夜模子能够用于语音识别战语音分解。语音识别手艺能够将人类语音变换为文原，而语音分解手艺能够将文原变换为人类语音。那些手艺可用于智能帮忙、假造幻想战主动化客服等范围。疑息提炼：AI年夜模子能够用于从文原中提炼有效的疑息，例如实体识别、干系提炼战工作提炼。这类手艺可用于常识图谱建立、问问体系战智能搜刮引擎等范围。文原择要战收缩：AI年夜模子能够用于文原择要战收缩，将少篇文原收缩成短篇择要或者枢纽疑息。这类手艺可用于往事报导、交际媒介监控战少篇文档处置等范围。语言阐发：AI年夜模子能够用于语言阐发，比方语法阐发、句法阐发战语义阐发。这类手艺可用于语言教钻研、语言教诲战社会科学等范围。
总之，AI年夜模子正在Python编程中的使用场景十分普遍，包罗文天职类、感情阐发、文原天生、机械翻译、语音识别战天生、疑息提炼、文原择要战收缩和语言阐发等。那些手艺能够辅佐企业进步服从、改进用户体会并低落本钱。
3.2 图象识别
AI年夜模子正在Python编程中也能够使用于图象识别范围。如下是一点儿使用场景的例子：
图象分类：使用AI年夜模子能够对于图象截至分类，比方将图象分类为植物、动物、车辆等种别。这类手艺可用于图象检索、智能相册战望觉搜刮等范围。
目标检测：AI年夜模子能够用于目标检测，识别图象中的物体并定位其职位。比方，使用Faster R-CNN模子能够检测图象中的人脸、车辆战止人等物体。这类手艺可用于宁静监控、主动驾驭战人脸识别等范围。图象天生：AI年夜模子能够用于天生具备一定特性的图象，比方天生人脸、植物或者修建等。这类手艺可用于假造幻想、游玩开辟战影戏制作等范围。图象超分辩率：AI年夜模子能够用于进步图象的分辩率，将高分辩率图象变换为下分辩率图象。这类手艺可用于图象建设、老照片创新战医教影象阐发等范围。气势派头变换：AI年夜模子能够用于将一种气势派头的图象变换为另外一种气势派头，比方将油绘变换为艳描或者火彩绘变换为油绘等。这类手艺可用于艺术创做、告白战创意设想等范围。图象朋分：AI年夜模子能够用于图象朋分，将图象中的差别物体或者地区朋分启去。比方，使用U-Net模子能够朋分医教影象中的人体器民或者病变地区。这类手艺可用于医教影象阐发、远感图象处置战计较机望觉等范围。
总之，AI年夜模子正在Python编程中的使用场景十分普遍，包罗图象分类、目标检测、图象天生、图象超分辩率、气势派头变换战图象朋分等。那些手艺能够辅佐企业进步服从、改进用户体会并低落本钱。
3.3 语音识别
AI年夜模子正在Python编程中也能够使用于语音识别范围。如下是一点儿使用场景的例子：
语音转笔墨：使用AI年夜模子，能够将人类语音变换为文原。这类手艺可用于及时转录、集会记载、字幕天生战语音帮忙等范围。
语音分解：AI年夜模子能够用于语音分解，将文原变换为人类语音。这类手艺可用于智能客服、语音导航战主动化播音等范围。感情阐发：AI年夜模子能够用于识别语音中的感情，比方识别语言人的表情是快乐、哀痛或者愤慨等。这类手艺可用于感情阐发、感情查询拜访战客户撑持等范围。语音品质评介：AI年夜模子能够用于评介语音的品质，比方评介语音的明了度、乐音水平战可懂度等。这类手艺可用于语音通信、德律风体系战灌音阐发等范围。语音识别战认证：AI年夜模子能够用于识别战认证一定的语音特性，比方声音特性、心音战腔调等。这类手艺可用于死物特性识别、智能门禁体系战宁静监控等范围。语音感情阐发：AI年夜模子能够用于阐发语音中的感情，比方阐发语言人的表情是快乐、哀痛或者愤慨等。这类手艺可用于感情阐发、感情查询拜访战客户撑持等范围。语音号令识别：AI年夜模子能够用于识别语音号令，比方识别用户的指令并施行响应的操纵。这类手艺可用于智能野居、智能汽车战可穿着装备等范围。
总之，AI年夜模子正在Python编程中的使用场景十分普遍，包罗语音转笔墨、语音分解、感情阐发、语音品质评介、语音识别战认证、语音感情阐发战语音号令识别等。那些手艺能够辅佐企业进步服从、改进用户体会并低落本钱。
3.4举荐 体系
AI年夜模子正在Python编程中也能够使用于举荐体系范围。举荐体系是一种使用用户汗青举动数据、互联网交际收集战商品类目疑息等，为用户供给本性化举荐效劳的体系。如下是一点儿使用场景的例子：
商品举荐：举荐体系能够按照用户的汗青购置记载、浏览记载战搜刮记载等，举荐相干商品或者效劳。这类举荐能够鉴于用户的兴致喜好、购置举动战搜刮汗青等，进步用户对于举荐商品的购置率战趁心度。交际举荐：举荐体系能够使用交际收集数据，举荐用户可以感兴致的人或者群组。这类举荐能够鉴于用户的交际干系、兴致喜好战举动情势等，增进用户交际互动战社区开展。望频举荐：举荐体系能够按照用户的寓目汗青战搜刮记载等，举荐相干的望频实质。这类举荐能够鉴于用户的兴致喜好、寓目汗青战搜刮汗青等，进步用户对于举荐望频的面打率战寓目时少。音乐举荐：举荐体系能够按照用户的听歌汗青战喜好等，举荐相干的音乐实质。这类举荐能够鉴于用户的听歌汗青、喜好战评介等，进步用户对于举荐音乐的支听率战趁心度。浏览举荐：举荐体系能够按照用户的浏览汗青战喜好等，举荐相干的册本或者文章。这类举荐能够鉴于用户的浏览汗青、喜好战评介等，进步用户对于举荐实质的浏览率战趁心度。告白举荐：举荐体系能够按照用户的兴致喜好战购置汗青等，举荐相干的告白实质。这类举荐能够鉴于用户的兴致喜好、购置汗青战告白面打率等，进步告白的面打率战转移率。
Python编程正在AI年夜模子中的使用场景十分普遍，包罗商品举荐、交际举荐、望频举荐、音乐举荐、浏览举荐战告白举荐等。那些手艺能够辅佐企业进步服从、改进用户体会并低落本钱。
3.5 怎样使用Python挪用AI年夜模子的交心
Python交心挪用AI年夜模子凡是需要如下通用步调：
装置须要的库：起首，您需要装置一点儿须要的库，如requests、json等。那些库能够辅佐您收收HTTP恳求战处置前去的数据。导进库：正在Python剧本中，您需要导进那些库。树立API稀钥：年夜大都AI年夜模子皆供给了API稀钥，您需要将那个稀钥树立为您的情况变质大概间接正在您的代码中树立。建立恳求：使用requests库的get或者post办法，建立一个HTTP恳求，将您的数据动作恳求的一部门收收到AI年夜模子的效劳器。处置照应：当您的恳求被效劳器领受后，效劳器会前去一个照应。您需要使用json库去剖析那个照应，获得您需要的成果。毛病处置：正在全部过程当中，您需要思考到可以呈现的毛病，并编辑响应的毛病处置代码。
差别的AI年夜模子可以有差别的API交心战参数请求，需要具体比较API挪用文档截至处置。
好比，openai 交心挪用参照文档 :https://platform.openai.com/docs/api-referencehttps://platform.openai.com/docs/api-referencehttps://platform.openai.com/docs/api-reference
PyCharm 中开辟 Python顺序 挪用 OpenAI 交心：
一、PyCharm创立 Python 名目
加入 PyCharm , 挑选 " File / New Project " 选项
二、API Key 设置用法
倡议间接从某宝购的 OpenAI 的直达 API Key , 会给您一个 API_KEY 战直达 地点 , 有了那二个能够间接交流到代码中使用 ;- # 树立 OPENAI_API_KEY 情况变质
- os.environ["OPENAI_API_KEY"] = "sk-6o3KJuuocEXpb1Ug39D0A4913a844fCaBa892eDe9814Df8a"
- # 树立 OPENAI_BASE_URL 情况变质
- os.environ["OPENAI_BASE_URL"] = "https://api.xiaoai.plus/v1"
也能够间接设置到 Windows/Linux零碎 的 情况变质中 ;
API Key 使用留神事变 :
使用海内的 OpenAI直达 交心 , 间接使用便可 , 没有要连 XX , 不然会报错 ;
使用 OpenAI 的曲跟尾心 ,必需 挂上XX , 不然也会报错 ;
OpenAI 的 曲连 API 会大概期清理 , 那个用起去很省事 ;
三、GPT3 模子战 GPT4 模子
恳求的 API Key 只可会见指定的模子 ,如 3.5 或者 4.0 版原 , 恳求的 3.5 版原的 API Key 没法使用 4.0 版原的模子 ;
差别的 模子免费 差别 , GPT4 模子 的用度要下于 GPT3 模子 ;
可用的 GPT3 模子 :
gpt-3.5-turbo
gpt-3.5-turbo-0301
gpt-3.5-turbo-0613
gpt-3.5-turbo-0125
gpt-3.5-turbo-16k
gpt-3.5-turbo-1106
text-embedding-3-small
gpt-3.5-turbo-16k-0613
text-embedding-3-large
可用的 GPT4 模子 :
gpt-4-1106-preview
gpt-4 gpt-4-0613
gpt-4-32k-0613
gpt-4-vision-preview
gpt-4-0125-preview
gpt-4-32k-0314
dall-e-3
gpt-4-32k
gpt-4-0314
gpt-4o
gpt-4-turbo-2024-04-09
上述模子可间接正在创立 OpenAI 对于话时设置 , client.chat.completions.create 的第一个参数 , 即是指定一个模子 , 那里指定的是 gpt-3.5-turbo 模子 ;
- client.chat.completions.create(
- # 指定模子为"gpt-3.5-turbo"
- model="gpt-3.5-turbo",
代码示例 :- import os
- from openai import OpenAI
- #上面 的 API 是从淘宝上购的 OpenAI国际 直达 API
- # 使用上面的 API Key 的时候必得断启梯子
- # 淘宝上搜刮 API Key , 能够搜出一年夜堆的直达 或者 曲联 的 OpenAI 交心
- # 树立 OPENAI_API_KEY 情况变质
- os.environ["OPENAI_API_KEY"] = "sk-6o3KJuuocEXpb1Ug39D0A4913a844fCaBa892eDe9814Df8a"
- # 树立 OPENAI_BASE_URL 情况变质
- os.environ["OPENAI_BASE_URL"] = "https://api.xiaoai.plus/v1"
- def openai_chat():
- client = OpenAI(
- #上面 二个参数的默认值去自情况变质，能够没有减
- api_key=os.environ.get("OPENAI_API_KEY"),
- base_url=os.environ.get("OPENAI_BASE_URL"),
- )
- #创立 一个谈天完毕恳求
- completion = client.chat.completions.create(
- # 指定模子为"gpt-3.5-turbo"
- model="gpt-3.5-turbo",
- # 界说对于话消息列表
- messages=[
- #零碎 脚色的消息，用于树立对于话的肇端形状
- {"role": "system", "content": "You are a helpful assistant."},
- # 用户脚色的消息，用于唆使用户的输出
- {"role": "user", "content": "请写一尾七行尽句, 描绘朝阳"}
- ]
- )
- print(completion) #照应
- print(completion.choices[0].message) #答复
- if __name__ == '__main__':
- openai_chat()
- D:\001_Develop\022_Python\Python39\python.exe D:/002_Project/011_Python/OpenAI/main.py
- ChatCompletion(id='chatcmpl-9dXgRX2Q47HiQoPASfk8xcCVj3C7v', choices=[Choice(finish_reason='stop', index=0, logprobs=None, message=ChatCompletionMessage(content='朝阳西下映山水，霞光映射谦天涯。\n金黄色彩映火里，绘出斑斓朝阳颜。', role='assistant', function_call=None, tool_calls=None))], created=1719211299, model='gpt-35-turbo', object='chat.completion', service_tier=None, system_fingerprint='fp_811936bd4f', usage=CompletionUsage(completion_tokens=47, prompt_tokens=34, total_tokens=81))
- ChatCompletionMessage(content='朝阳西下映山水，霞光映射谦天涯。\n金黄色彩映火里，绘出斑斓朝阳颜。', role='assistant', function_call=None, tool_calls=None)
- Process finished with exit code 0
取ChatGPT输出成果截至比照 :
4、 Python正在年夜模子中的瞻望取未来
AI年夜模子正在Python编程中具备普遍的使用代价。它们正在天然语言处置、图象识别、语音识别、举荐体系等范围皆得到了清楚的功效，为各止各业戴去了弘大的贸易代价。
起首，AI年夜模子的呈现使患上咱们能够处置年夜范围、庞大的数据散，进而进步了模子的精确性战可靠性。那些模子具备强大的泛化才气，能够正在差别场景下截至迁徙战使用，进而为企业战机构戴去更下效的经营战更丰硕的贸易时机。
其次，AI年夜模子的使用也促进了Python编程的开展。为了应付年夜模子的锻炼战布置需要，Python社区不竭拉出新的东西战框架，比方TensorFlow、PyTorch等，那些东西战框架不但供给了下效的计较战劣化才气，借简化了模子的开辟战布置历程，使患上更多的人能够到场到AI的钻研战使用中去。
别的，AI年夜模子的使用借催死出了一批新的营业情势战立异使用。比方，鉴于年夜模子的举荐体系已经成为电商、望频网站等互联网企业的标配，为企业戴去了更下的用户保存战更丰硕的贸易时机。共时，AI年夜模子也被使用于智能客服、智能野居等范围，为人们供给了越发智能战便利的糊口方法。
总的来讲，AI年夜模子正在Python编程中的使用代价主要体现在如下多少个圆里：
进步模子的精确性战可靠性
促进Python编程的开展
催死新的营业情势战立异使用
为人们供给越发智能战便利的糊口方法等。
AI的未来开展趋势主要体现在如下多少个圆里：
分歧未来：多模态模子将加快文原、图象战望频的融合，使患上差别表示方法的疑息能够相互理解，那是AI全面理解实在天下的主要步调。逾越假造鸿沟：具身智能将使智能体能够以仆人公的望角感触感染物理天下，颠末取情况发生接互后分离自尔进修，发生关于主观天下的理解战革新才气。年夜模子聪慧水花：通用野生智能将成为新的开展趋势，它具备像人类一致的思考才气，能够处置多种事情。共时，脑机交心等先辈手艺将成为新的接互方法。下品质数据提拔模子功用：背质数据库等新兴手艺将成为数据办理的主要东西，以数据为中间的野生智能将退一步促进AI模子功用的突破。数据中间的AI变化：智算中间将成为枢纽根底装备，促进云计较从CPU为中间的共构计较架构背以CPU GPU/NPU为中间的同构计较架构深度演退。年夜模子沉质化：跟着年夜模子小型化、场景化需要增加，拉理将逐步从云端扩大背端侧，使患上用户能够越发经济、可靠、宁静天使用AI效劳。年夜模子的长远作用：狂言语模子将对于歇息力商场构造发生长远而庞大的作用，共时取前沿科学的分离将清楚进步钻研服从。AI办理取手艺的均衡：正在野生智能的快速开展中，增强AI羁系战促进AI手艺的进步划一主要，列国当局也开端订定各类AI策略战法例。
|
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
千斤顶
照妖镜
广告
