chatgpt 高效使用 ChatGPT使用了什么框架
2023年11月20日 每日一猜答案：。 答案：ABC。 每日一猜答案分析：
chatgpt,chatgpt怎么下载,chatgpt国内能用吗,chatgpt怎么用鞭牛士 3月24日消息，据媒体报道，OpenAI宣布推出插件功能，赋予ChatGPT使用工具、联网、运行计算的能力。例如在官方演示中，ChatGPT一旦接入数学知识引擎Wolfram Alpha，就再也不用担心数值计算不精准的问题。
并且OpenAI还开放了两个新的插件：网络浏览器和代码解释器。以前因为不联网，用户只能查询到2021年9月之前的消息，但现在不仅能直接检索到最新新闻，就连数理计算也能一并解决了。
第三方插件列表中，还包括：让ChatGPT查询世界各国语言词汇、短语意思；让ChatGPT查询航班、酒店信息，帮你规划差旅；让ChatGPT访问各大电商数据，帮你比价甚至直接下单。
后续制作插件的权限和方法，同样会向开发者开放。
ChatGPT开源平替（2）——LLaMA
开源ippbx,plato 开源,开源pxe,开源cti最近，FacebookResearch 开源了他们最新的大语言模型 LLaMA，训练使用多达14,000亿 tokens 语料，包含不同大小参数量的模型 7B、13B 、30B、 65B，研究者可以根据自身算力配置进行选择。
经过测试，（1）在算力要求上，7B的模型，需要19G显存要求，单卡3090可部署。（2）在生成效果上，额...，还行吧。
首先下载模型及代码：（1）模型：
项目里是要求提交申请，然后Facebook官方发送模型下载链接，通过链接下载完整模型文件，才能运行项目，实测在huggingface上去下载拆分后的模型是不能运行的项目的。由于一直没有收到官方邮件提供的下载地址，我在网上找到了各大版本的模型文件下载链接：
| 7B | ipfs://【【微信】】Ud7pCAdkWWbzuvyKusLGTw |
| 13B | ipfs://【【微信】】cmCUu1TP7pVQbxdFMwnhpuJtxk |
| 30B | ipfs://【【微信】】8D9VjXAavNoGWemPW1pQ3AF9ZZ |
| 65B | ipfs://【【微信】】w9nKV2MpGR4KohK7WyugadAKTh |
（2）代码：
运行模型：
由于官方给的例子是写死的，不是一问一答交互形式，我将其改了一下：
# cli.py import os,time, json,sys import argparse from waitress import ser【【微信】】ple import torch from pathlib import Path import torch.distributed as dist from fairscale.nn.model_parallel.initialize import initialize_model_parallel from llama import ModelArgs, Transformer, Tokenizer, LLaMA def setup_model_parallel() -> Tuple[int, int]: local_rank=int(os.environ.get("【【微信】】", -1)) world_size=int(os.environ.get("【【微信】】", -1)) print(f"loca【【微信】】},world:{world_size}") dist.init_process_group("nccl") initialize_model_parallel(world_size) torch.cuda.set_device(local_rank) # seed must be the same in all processes torch.manual_seed(1) return local_rank, world_size def load(ckpt_dir: str, tokenizer_path: str, local_rank: int, world_size: int) -> LLaMA: start_time=time.time() checkpoints=sorted(Path(ckpt_dir).glob("*.pth")) assert ( world_size==len(checkpoints) ), f"Loading a checkpoint for MP={len(checkpoints)}but world size is{world_size}" ckpt_path=checkpoints[local_rank] print("Loading") checkpoint=torch.load(ckpt_path, map_location="cpu") with open(Path(ckpt_dir) / "params.json", "r") as f: params=json.loads(f.read()) model_args: ModelArgs=ModelArgs(max_seq_len=1024, 【【微信】】=8, **params) tokenizer=Tokenizer(model_path=tokenizer_path) model_args.【【微信】】=tokenizer.n_words torch.set_default_tensor_type(torch.cuda.HalfTensor) model=Transformer(model_args) torch.set_default_tensor_type(torch.FloatTensor) model.load_state_dict(checkpoint, strict=False) generator=LLaMA(model, tokenizer) print(f"Loaded in{time.time() - start_time:.2f}seconds") return generator if __name__=="__main__": parser=argparse.ArgumentParser() parser.add_argument("--ckpt_dir") parser.add_argument("--tokenizer_path", type=str) args=parser.parse_args() local_rank, world_size=setup_model_parallel() generator=load(args.ckpt_dir, args.tokenizer_path, local_rank, world_size) print("------------------ Welcome to the llama model -------------------\ ") while True: prompt=input("User: ") if prompt=="cls": break print("LLAMA: ", end="") input_text=[prompt] # max_gen_len=input["max_gen_len"] results=generator.generate(input_text, max_gen_len=512, temperature=0.8, top_p=0.95)[0] print(results) """ 启动服务： CUDA_【【微信】】=0 torchrun --nproc_per_node 1 cli.py --ckpt_dir $ckpt --tokenizer_path $tokenizer """测试结果：（1）英文交互
（2）中文交互
明显发现，llama中文交互效果较差，并且在英文生成回复上也没有chatgpt流畅圆滑，可能是由于Facebook为了抢风头，在数据质量和数据范围方面没有做太多工作，或者是因为这只是llama的demo版本，Facebook正在憋大招吧。
关注NLP有品，多少有些收获不是
