ChatGPT学python——制作自己的AI模型（一）初步了解

港控/mmm° 2023-10-14 10:19 9阅读 0赞

# 前言 #

![在这里插入图片描述][0422b4369a3549b3a39da19588ab88f4.png]  
「作者主页」：[雪碧有白泡泡][Link 1]  
「个人网站」：[雪碧的个人网站][Link 2]  
「推荐专栏」：

> ★[java一站式服务][java] ★  
> ★[前端炫酷代码分享][Link 3]  
> ★ ★ [uniapp-从构建到提升][uniapp-]★  
> ★ [从0到英雄，vue成神之路][0_vue]★  
> ★ [解决算法，一个专栏就够了][Link 4]★  
> ★ [架构咱们从0说][0]★  
> ★ [数据流通的精妙之道][Link 5]★

![请添加图片描述][c7f3e6b8a7624a9eabbea77dbcbca119.jpeg]

### 文章目录 ###

*  前言
 *  引言
 *  Chatgpt简介
 *   *  ChatGPT是什么
     *  ChatGPT的原理
     *  ChatGPT能做什么
 *  用ChatGPT学Python
 *   *  讲解知识点
     *   *   *  示例一
             *  示例二
     *  编写代码
     *  调试debug
 *  小结

# 引言 #

通过【ChatGPT学puthon】我们可以掌握

*  了解ChatGPT的原理，用法以及应用场景
 *  利用ChatGPT辅助python的学习和开发
 *  掌握如何在自己的程序中接入ChatGPT  
    ![在这里插入图片描述][d72843a33a704c18aa0b0274ce9e8116.png]

# Chatgpt简介 #

在使用ChatGPT之前，我们先来了解一下关于它的一些基本信息

## ChatGPT是什么 ##

**ChatGPT是由OpenAI公司于2022年11月推出的一个个基于大型语言模型的人工智能聊天机器人应用**  
关于它的更多情况，我们就直接让它来自我介绍吧

> ChatGPT是一个基于Transformer模型的聊天生成模型，由OpenAI开发。它是GPT（GenerativePre-trained Transformer）系列模型的一部分，旨在进行自然语言交互和对话生成。
> 
> GPT模型使用了Transformer架构，这是一种基于自注意力机制的深度神经网络模型。通过预训练大规模的语料库数据，GPT模型可以学习到语言的统计结构和语义表示，并且能够生成连贯、有逻辑性的文本。
> 
> ChatGPT是针对对话任务进行微调的GPT模型变体。与传统的单向语言模型不同，ChatGPT被设计用于生成有上下文依赖的回复，使其更适合进行对话和聊天交互。通过与用户的迭代交互，ChatGPT可以理解用户输入并产生连贯的响应。
> 
> 需要注意的是，作为一个AI模型，ChatGPT具有其局限性。它的回答是基于已有的训练数据和模型的理解，可能存在错误或不准确的情况。此外，ChatGPT没有真实的理解能力，它只是根据模式匹配和训练数据生成回答。  
> ![在这里插入图片描述][a24cba8a42a143cd81f26cf3220ffb9c.png]

## ChatGPT的原理 ##

因为ChatGPT具备检索信息和智能生成人类语言的能力，再加上它内部有庞大的知识资料库。所以，当人们需要查找某些信息时，可以直接问ChatGPT询问，而无法像过去一样通过网络搜索，查找文献等方式得到答案，这很可能会颠覆当前的搜索引擎，成为人们获取信息的新方式  
**下面同样用 ChatGPT来了解一下自身的实现原理**

> ChatGPT是一种基于深度学习的自然语言处理模型，其原理主要基于一种称为转换器（Transformer）的神经网络架构。下面是ChatGPT的主要原理：
> 
> 1.  转换器（Transformer）架构：ChatGPT使用了转换器作为其核心模型架构。转换器主要由编码器和解码器组成，它们都由多个堆叠的自注意力机制与前馈神经网络层组成。
> 2.  自注意力机制（Self-Attention）：自注意力机制是转换器中的关键组件。它允许模型在输入序列中的每个位置上对其他位置进行加权聚合，以获取全局上下文信息。通过计算查询、键和值之间的相关性来实现这种加权聚合。
> 3.  预训练与微调：ChatGPT使用了预训练和微调两个阶段。在预训练阶段，模型通过大规模的无监督数据集进行训练，以学习语言的统计模式和语义信息。在微调阶段，模型会在特定的任务上进行有监督的训练，如对话生成，以使模型更好地适应特定任务的要求。
> 4.  生成策略：ChatGPT使用了基于概率分布的采样方法来生成响应。常见的方法包括贪婪搜索（选择概率最高的单词）和束搜索（保留几个最有可能的候选词）。这些生成策略可以平衡生成的多样性和准确性。
> 5.  序列到序列学习：ChatGPT将对话生成任务建模为一个序列到序列学习问题，其中输入是对话历史（包括先前的对话内容和系统提示），输出是生成的响应。训练过程中使用的目标函数通常是交叉熵损失函数。
> 6.  上下文编码：为了处理上下文信息，ChatGPT通过将对话历史进行编码来获得表示。可以使用不同的编码策略，如简单的拼接或使用特定的分隔符进行分割。
> 
> 总的来说，ChatGPT利用深度学习技术和转换器架构来从大规模数据中学习语言模式，并通过预训练和微调来适应特定的对话生成任务。它通过自注意力机制实现全局上下文建模，并使用生成策略来生成适当的响应。  
> ![在这里插入图片描述][23ca9b9f935c4fd48a0b3999448e4e7a.png]

## ChatGPT能做什么 ##

**我们来问问ChatGPT自身能做些什么呢**

> ChatGPT 可以应用于多种场景，包括但不限于以下几个方面：
> 
> 1.  客户服务：ChatGPT 可以扮演虚拟客服代表的角色，回答用户的问题、提供支持和解决常见问题。它可以处理一系列常见的客户询问，为用户提供即时帮助。
> 2.  智能助理：ChatGPT 可以被用作个人助理，回答日常生活中的问题，例如天气查询、日历安排、提醒事项等。它可以与用户进行对话，并提供所需的信息和指导。
> 3.  教育辅助：ChatGPT 可以用于教育领域，作为学习伙伴和知识咨询工具。它可以回答学生的问题，解释概念，提供学习资源和建议。
> 4.  内容生成：ChatGPT 可以用于生成各种类型的内容，如新闻文章、博客帖子、故事情节等。它可以根据用户的输入或特定要求来生成相关的文本内容。
> 5.  社交互动：ChatGPT 可以在社交媒体平台上与用户进行互动，回答问题、提供建议、参与讨论等。它可以模拟人类对话，增加用户参与度和互动体验。
> 
> 请注意，尽管 ChatGPT 可以在许多场景中发挥作用，但它仍然是一个 AI  
> 模型，存在一些限制。在处理重要或敏感信息时，确保适当的安全措施和人工审核过程是至关重要的。  
> ![在这里插入图片描述][a6fd9a2801ac40b4aab7e9637606b8ad.png]

# 用ChatGPT学Python #

**ChatGPT的能力远不止对于语言文字的处理，它甚至可以对代码进行理解和生成，这得益于它丰富的知识库和它背后强大的神经网络系统**

## 讲解知识点 ##

**是用ChatGPT辅助Python学习的最直接的方式，就是让它对Python的知识点进行讲解**

#### 示例一 ####

**讲解python的基础语法**

1.  注释：  
    在Python中，使用井号（\#）表示单行注释，用于在代码中添加注释说明。例如：
    
        # 这是一个单行注释
    
    若要添加多行注释，可以使用三引号（‘’’ ‘’'）或三个双引号（“”" “”"）。例如：
    
        '''
        这是一个多行注释
        可以写入多行内容
        '''
2.  变量与数据类型：  
    在Python中，您可以直接声明变量并为其赋值，不需要指定其数据类型。
    
        # 声明变量并赋值
        message = "Hello, World!"
        number = 42
        pi = 3.14
        
        # 打印变量的值
        print(message)
        print(number)
        print(pi)
3.  输入与输出：  
    使用`print()`函数可以将数据输出到终端。使用`input()`函数获取用户输入。
    
        # 获取用户输入
        name = input("请输入您的名字: ")
        
        # 输出欢迎消息
        print("你好，" + name + "!")
4.  条件语句：  
    使用`if`语句执行条件判断。根据条件的真假，决定执行不同的代码块。
    
        # 条件判断示例
        x = 10
        
        if x > 0:
            print("x 是正数")
        elif x < 0:
            print("x 是负数")
        else:
            print("x 是零")
5.  循环语句：  
    使用`for`循环和`while`循环可以重复执行一段代码块。
    
        # for 循环示例
        fruits = ["apple", "banana", "orange"]
        
        for fruit in fruits:
            print(fruit)
        
        # while 循环示例
        count = 0
        
        while count < 5:
            print("Count:", count)
            count += 1
6.  函数：  
    使用`def`关键字定义函数，并在需要时调用函数。
    
        # 定义函数
        def greet(name):
            print("Hello, " + name + "!")
        
        # 调用函数
        greet("Alice")
        greet("Bob")

#### 示例二 ####

**讲解python的正则表达式**

下面是一些常用的正则表达式操作：

1.  导入`re`模块：

import re

1.  匹配模式：

*  `re.match(pattern, string)`：尝试从字符串的起始位置匹配模式。
 *  `re.search(pattern, string)`：扫描整个字符串查找匹配模式。
 *  `re.findall(pattern, string)`：返回字符串中所有匹配模式的非重叠列表。
 *  `re.finditer(pattern, string)`：返回一个迭代器，包含所有匹配模式的迭代对象。

例如，以下是一个简单的例子，演示如何使用正则表达式来查找数字：

import re
    
    string = "I have 3 apples and 5 oranges."
    pattern = r'\d+'
    
    result = re.findall(pattern, string)
    print(result)  # 输出: ['3', '5']

1.  替换模式：

*  `re.sub(pattern, replacement, string)`：将匹配模式的所有出现替换为指定的字符串。

以下是一个替换的例子，将字符串中的所有空格替换为逗号：

import re
    
    string = "Hello   World!"
    pattern = r'\s+'
    replacement = ','
    
    result = re.sub(pattern, replacement, string)
    print(result)  # 输出: "Hello,World!"

1.  分割字符串：

*  `re.split(pattern, string)`：根据匹配模式分割字符串，并返回分割后的子字符串列表。

以下是一个例子，使用正则表达式将字符串按照非字母字符分割为单词列表：

import re
    
    string = "Hello, World! How are you?"
    pattern = r'\W+'  # 非字母字符
    
    result = re.split(pattern, string)
    print(result)  # 输出: ['Hello', 'World', 'How', 'are', 'you']

## 编写代码 ##

除了讲解知识点以外，ChatGPT可以直接提供代码片段帮助我们学习  
**下面让ChatGPT给出“猜数字”的游戏pythono代码**

import random
    
    def guess_number():
        secret_number = random.randint(1, 100)
        attempts = 0
    
        while True:
            user_guess = int(input("请输入一个数字（1-100）："))
            attempts += 1
    
            if user_guess < secret_number:
                print("太小了，请再试一次！")
            elif user_guess > secret_number:
                print("太大了，请再试一次！")
            else:
                print(f"恭喜你，你猜对了！答案是{
          secret_number}。你用了{
          attempts}次尝试。")
                break
    
    guess_number()

**运行一下：完全正确**  
![在这里插入图片描述][a1d6d2b60bbf4ca1b977215befbd9827.png]

## 调试debug ##

我们在学习过程中，会遇到许多无法发现的debug，我们可以交给ChatGPT进行改正或者优化，这时我们就要准备一段错误代码，并交给ChatGPT进行优化改正  
**例如**

> 好的，以下是一个常见的 Python 错误代码和对应的修正方法：
> 
> 错误代码： `python print("Hello, World!'`
> 
> 错误信息： `SyntaxError: EOL while scanning string literal`
> 
> 修正方法： 上述错误是因为 print 语句中的字符串没有正确关闭引号。在这种情况下，您可以通过添加缺失的引号来修复该错误。
> 
> 修正后的代码： `python print("Hello, World!")`
> 
> 修正后的代码中，我补全了最后一个引号，确保字符串被正确地闭合。这样就解决了 SyntaxError 错误。

# 小结 #

**通过以上例子可以看出，ChatGPT可以在学习python中起到很大辅助作用，相当于有了一个专属的智能助教，让学习者事半功倍**，因为特殊原因，很多人可能无法访问ChatGPT，我给出一个AI网站镜像让大家体验一下更好的学习python  
[点击链接][Link 6]  
![在这里插入图片描述][2ba969da7e9e45fa9c749e69d342efa6.png]

[0422b4369a3549b3a39da19588ab88f4.png]: https://img-blog.csdnimg.cn/0422b4369a3549b3a39da19588ab88f4.png
[Link 1]: https://blog.csdn.net/Why_does_it_work?spm=1011.2415.3001.5343
[Link 2]: https://sprite.inscode.cc/
[java]: https://blog.csdn.net/why_does_it_work/category_12379581.html
[Link 3]: https://blog.csdn.net/why_does_it_work/category_12378617.html
[uniapp-]: https://blog.csdn.net/why_does_it_work/category_12363697.html
[0_vue]: https://blog.csdn.net/why_does_it_work/category_12376654.html
[Link 4]: https://blog.csdn.net/why_does_it_work/category_12381051.html
[0]: https://blog.csdn.net/why_does_it_work/category_12381055.html
[Link 5]: https://blog.csdn.net/why_does_it_work/category_12381058.html
[c7f3e6b8a7624a9eabbea77dbcbca119.jpeg]: https://img-blog.csdnimg.cn/c7f3e6b8a7624a9eabbea77dbcbca119.jpeg
[d72843a33a704c18aa0b0274ce9e8116.png]: https://img-blog.csdnimg.cn/d72843a33a704c18aa0b0274ce9e8116.png
[a24cba8a42a143cd81f26cf3220ffb9c.png]: https://img-blog.csdnimg.cn/a24cba8a42a143cd81f26cf3220ffb9c.png
[23ca9b9f935c4fd48a0b3999448e4e7a.png]: https://img-blog.csdnimg.cn/23ca9b9f935c4fd48a0b3999448e4e7a.png
[a6fd9a2801ac40b4aab7e9637606b8ad.png]: https://img-blog.csdnimg.cn/a6fd9a2801ac40b4aab7e9637606b8ad.png
[a1d6d2b60bbf4ca1b977215befbd9827.png]: https://img-blog.csdnimg.cn/a1d6d2b60bbf4ca1b977215befbd9827.png
[Link 6]: https://ai.ciyundata.com/ai_chat
[2ba969da7e9e45fa9c749e69d342efa6.png]: https://img-blog.csdnimg.cn/2ba969da7e9e45fa9c749e69d342efa6.png