(Windows)Visual Studio Code配置python运行环境

已于 2024-01-27 09:27:29 修改
阅读量1.2k 收藏 2
点赞数
于 2021-02-15 23:18:09 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Python314159/article/details/113820416
版权

Visual Studio Code Python 环境配置 CodeRunner 安装指南
关键词由优快云通过智能技术生成

(Windows)Visual Studio Code配置python运行环境

首先我们到Python官网下载windows x64位的python安装程序，版本推荐python3.x
下载地址：https://python.org
在这里插入图片描述

我们将鼠标悬停在downloads按钮上，会显示一个菜单，点击windows
进入windows的python下载界面后，在stable releases里选择自己需要的版本的python（推荐下载python3.x），点击download windows installer 64-bit（如果读者是32位系统就点击download windows installer 32-bit）
在这里插入图片描述

下载完成后开始安装
在这里插入图片描述
我们勾选Add Python x.x to PATH（一定要勾选！！！），然后点击Customize installation
在这里插入图片描述

按照上图勾选完后点击next
在这里插入图片描述
按照上图勾选完成后点击install，就会开始安装python
安装完成后会有提示。
安装python完成后，我们去下载vscode安装包，网址：https://code.visualstudio.com
下载到本地后运行
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
安装完成后启动visual studio code，我们接下来需要安装必要的vscode插件来运行我们的python文件
我们点击左侧的这个按钮，在跳出来的搜索框中输入code runner，点击install
在这里插入图片描述
安装完成后，我们点击file按钮，点击Open folder
在vscode中打开文件夹后，鼠标右键点击空白部分，选择New File，将新建的文件命名为xxx.py
在这里插入图片描述

在里面随便写点代码
在这里插入图片描述
写完后点击右上角小三角运行
在这里插入图片描述

Python314159
关注
【AI大模型应用开发】1.2 Prompt Engineering（提示词工程）- 站在巨人的肩膀上，超实用！常用提示词整理
同学小张的博客
01-27 1285
通过上两篇文章我们学习和实践了Prompt的书写要素、原则与技巧，以及了解了一些进阶的优化方法。本文我们来收集几个常用的提示词，站在巨人的肩膀上，能省不少事儿。
大模型提示词-应用三（代码生成与提示函数） -（专题4）
探索人工智能革命，深入算法原理与创新应用，未来科技无限可能。
03-25 62
像 ChatGPT 这样的语言模型在代码生成方面非常有效。在本节中，我们将介绍如何使用 ChatGPT 进行代码生成的多个示例。以下所有示例都使用了 OpenAI 的 Playground（聊天模式）和 gpt-3.5-turbo 模型。与 OpenAI 的所有聊天模型一样，您可以使用系统消息来定义响应的行为和格式。我们将在提示示例中使用以下系统消息：您是一个有帮助的代码助手，可以教初级开发者如何编写代码。您选择的编程语言是 Python。不要解释代码，只生成代码块本身。
大模型-提示词调优
wend的博客
03-16 1662
提示词（Prompt）在大模型应用中扮演着关键角色，它是用户输入给模型的一段文本指令。简单来说，就是我们向大模型提出问题、请求或描述任务时所使用的文字内容。例如，当我们想让模型写一篇关于春天的散文，输入的 “请创作一篇描绘春天景色的优美散文” 就是提示词。提示词的质量直接影响模型输出结果的质量和相关性，精准、清晰且富有引导性的提示词能够让模型更准确地理解我们的意图，从而生成符合期望的回答。
大模型-提示词（Prompt）技巧
一个人的人生
04-01 1714
提示词的概念； 提示词技巧：直接提问、增加示例、分配角色、限定输出风格和格式，拆解复杂任务，使用分隔符号区分单元。
怎么写大模型的提示词（prompts）：任何人都需要掌握的查询技能
热门推荐
qq_17827079的博客
03-05 1万+
在这个AI技术飞速发展的新时代，提示词工程成为了连接人类与智能设备的关键桥梁。本文详细介绍了提示词工程的概念、重要性以及在提升人工智能模型交互中的核心作用。通过分析GPT的提示词生成方法、探索ICIO和CRISPE等主要框架，以及讨论OpenAI的官方策略，本文旨在为读者提供一个全面的了解和应用提示词工程的指南。同时，文章还指出了提示词工程的局限性，并提供了资源汇总，助力读者在新时代中不落后，更有效地利用AI技术。
大语言模型怎么写好提示词，看这篇就够了
python1222_的博客
06-01 2166
对于任何输入，大语言模型都会给出相应的输出，这些输入都可以成为提示词，通常，提示词由指令和输入数据组成，指令是任务，输入数据是完成的要求，其中指令应该明确，用词不能模棱两可，并可以提供清晰、详细的上下文内容，提供的内容越精确，模型的生成效果也会越好。对于复杂的任务，通过增加背景提示、让大模型扮演角色身份，给定示例，以及输出要求 ，都可以提高输出的效果。其中，背景提示可以是事件的背景，如我正在写一份调研报告，输入任务背景有助于让模型生成符合我们期望的答案；
大模型-提示词基础
wend的博客
03-18 1805
提示词（Prompt）在大模型应用中扮演着关键角色，它是用户输入给模型的一段文本指令。简单来说，就是我们向大模型提出问题、请求或描述任务时所使用的文字内容。例如，当我们想让模型写一篇关于春天的散文，输入的 “请创作一篇描绘春天景色的优美散文” 就是提示词。提示词的质量直接影响模型输出结果的质量和相关性，精准、清晰且富有引导性的提示词能够让模型更准确地理解我们的意图，从而生成符合期望的回答。
大模型提示工程（Prompt）（上篇），掌握Prompt原理与技巧，提高AI生成内容质量
2401_82469710的博客
04-26 9833
我们了解到，现在的大模型，基本都是基于transformer的GPT模型，以ChatGPT为例，之前我们提到了，它是一种基于GPT模型的对话生成模型，它可以让计算机自动学习对话语料库中的模式，并生成连贯、自然的对话回复。
多模态大模型应用-使用CLIP+BLIP基于图像获取提示词-Image-to-Prompt-附项目源码-优质大模型应用实战
10-16
“多模态大模型应用-使用CLIP+BLIP基于图像获取提示词-Image-to-Prompt-附项目源码-优质大模型应用实战”这一项目不仅仅关注模型本身的实现，还包括了对于实际应用案例的探索。项目源码的公开，意味着开发者和研究...
【大模型提示工程】掌握Prompt原理与技巧，提升AI生成内容质量
2401_85375151的博客
12-30 1353
关于ChatGPT等的账号如何注册，这里不再说描述，网上教程一搜一大把。好多人有这样一种感觉，拿到ChatGPT的账号，一顿尝试操作，当你过了新鲜的阶段，发现不好用，ChatGPT 回答的好空，没有太多参考价值；或者说，发现自己好像并没有什么好问的，不知道可以用 GPT 怎么来使用，于是过了这阵风，可能好久也想不起来再登录一次了。然而实际情况是，不管是相关技术从业者还是其他行业的从业者，越来越多的人正把它变为自己的生产力工具。
大模型实战基础（三）：3. Prompt（提示词）工程实践
Hyu_1998的博客
12-21 1245
目标：从0开始学习LLM平台：InternStudio开发机教程：书生大模型实战营提示：以下是基于书生大模型实战营（第四期）——基础岛：浦语提示词工程实践的学习内容Prompt是一种用于指导以大语言模型为代表的生成式人工智能生成内容(文本、图像、视频等)的输入方式。它通常是一个简短的文本或问题，用于描述任务和要求。Prompt可以包含一些特定的关键词或短语，用于引导模型生成符合特定主题或风格的内容。
企业落地大模型的路径选择：微调、RAG、提示词工程
python122_的博客
08-12 1385
与传统应用不同，模型的输出是不确定的，即使多次问它一样的问题，给出的结果也可能不一样。这种特性对于日常应用业务 OK，但是如果要在企业内用来处理具体业务问题，就必须提高这个稳定性，否则影响生产经营，例如产线操作人员通过模型获取操作步骤或者参数，如果步骤或者数据不对可能会导致产品出现质量问题等等。模型一旦训练好，就无法再补充数据，因此模型不会了解你自己组织内部的年假规定，注意事项。如何让大模型掌握这些数据是另外一个需要解决的问题。
生成式AI大模型之提示词工程实践
2401_85377976的博客
07-18 798
​提示工程是一个新兴的领域，专注于开发、设计和优化提示，以增强 LLM 的输出，从而满足您的需求。它为您提供了一种引导模型的行为从而达到您想要实现的结果的方法。提示工程与微调不同。在微调中，使用训练数据调整权重或参数，目标是优化成本函数。就计算时间和实际成本而言，微调可能是一个昂贵的过程。然而，提示工程试图引导经过训练的 FM、LLM 或文本到图像模型给出更相关、更准确的答案。提示工程是充分发挥大语言模型的强大能力的最快方法。
小白学大模型：提示词工程（Prompt）与Agent，简单易懂，轻松拿捏！！
最新发布
Android23333的博客
04-22 827
Prompt是大模型的输入，用来指导生成式人工智能的输出。本文提出了33个词汇术语的全面词汇表，58种纯文本提示技术的分类法，以及其他模态的40种技术。
如何给大模型写提示词？零基础入门到精通，收藏这篇就够了
Python_0011的博客
12-11 1063
敬请点击上面“真正的人工智能”关注本公众号，看AI独家观点前不久人工智能可是经历了高光时刻，诺贝尔物理学奖和化学奖都颁给了人工智能领域，这说明了什么？你猜为什么没有诺贝尔数学奖？因为诺贝尔设立此奖的初衷是奖励那些实用发明，而他认为数学不能直接实用，是一种纯理论研究。所以，当诺贝尔奖颁给了人工智能，就说明人工智能从理论走向了实用，也可以说从实验室走向了现实社会。这与笔者此前写的文章，
详解AI大模型行业黑话，迅速搞懂提示工程(prompt)、向量工程(embedding)、微调工程(fine-tune）
分享AI芯片开发经验
06-29 3137
当身边的人都在讨论大模型时，你有没有发现总会听到一些陌生的词汇？本文通过通俗易懂的例子带你轻松了解这些大模型的行业黑话，看完你也是专家！
Prompt提示词工程构建指南
weixin_44455388的博客
03-08 2179
这有助于理解为什么要执行这个任务，以及它与更广泛的目标或项目的关系。Role (角色) ：指定负责执行任务的个体或团队的角色或职责。OutputFormat（输出）：指定任务完成后的结果应该呈现的格式或样式，例如报告、演示文稿或数据表。Suggestions（建议）：提供有关如何改进或最优化任务执行的建议。Constrains（限制）：说明在执行任务过程中可能遇到的限制或挑战，如时间、预算或资源的限制。Profile（轮廓）：描述执行任务的个体或团队的特征，可能包括经验、技能或其他相关特质。
25个用好AI大模型的提示词技巧分享
2301_76161259的博客
09-15 1518
研究人员指出，与LLM交互时，无需多余的礼貌用语。直接、清晰地提出问题是关键。例如：“描述人体细胞的结构。”这样的提示既直接又明确，有助于模型迅速准确地给出答案。
掌握这 6步，轻松调试大语言模型的提示词 prompt
weixin_59191169的博客
06-25 1050
通过以上 6 个步骤的调试，我们能够显著提高大语言模型对我们需求的理解和执行能力，从而获得更精准、更有价值的输出结果。无论是解决孩子的学习问题、行为习惯还是心理困扰，都能更加贴合我们的期望，为孩子的成长带来更多的帮助，也帮助我们更高效的带娃。学习了调优prompt的这6个步骤，也许你会发现，这调试的过程不也是我们人与人直接清晰表达的过程吗？想清楚想要表达的，调整表达方式使对方理解，描述不清的可以举例说明，对对方输出的内容进行反馈，然后进行后续的深入沟通。
大模型基础
03-20
### 大模型的基础知识与概念 #### 什么是大模型？ 大模型通常指的是参数规模巨大、训练数据量庞大的机器学习模型，尤其是在自然语言处理（NLP）领域中的应用最为广泛。这些模型通过大量的计算资源和复杂的神经网络结构来实现强大的泛化能力和多任务适应能力[^3]。 #### 发展历程 大模型的发展经历了多个阶段，从最初的词向量技术逐步演变为基于神经网络的架构，并进一步扩展到单线程和并行训练模式。随着训练集规模的增长和技术的进步，如今的大模型已经具备了超大规模的数据处理能力以及高效的训练效率[^2]。 #### 技术特点 1. **Embedding的作用** Embedding 是一种将离散型变量映射成连续空间表示的技术，在一定程度上实现了维度降低的效果。这对于提高模型性能至关重要，因为它允许计算机更好地理解和操作复杂的信息结构[^1]。 2. **泛化性与通用性增强** 相较于传统的 NLP 方法，现代大模型展现出显著的优势——它们不仅具有更强的跨场景适用性，还能够更贴近人类认知水平去完成各种任务。例如 BERT 和 GPT 这样的预训练框架分别擅长解决不同类型的语言理解问题或生成高质量文本内容。 3. **少样本学习能力(Few-shot Learning)** 特别值得一提的是像 GPT 系列这样的解码器独占式(decode-only)设计使得该类别的大型语言模型成为了优秀的“快速模仿者”。当用户提供几个示范样例作为输入提示(prompt)，即使面对从未见过的新颖查询也能迅速调整策略作出恰当响应。 #### 应用实例 以下是几种典型应用场景下的具体体现形式： - 文本分类/情感分析； - 自动摘要生成； - 对话系统构建等等。 ```python import torch from transformers import AutoTokenizer, AutoModelForCausalLM tokenizer = AutoTokenizer.from_pretrained("gpt2") model = AutoModelForCausalLM.from_pretrained("gpt2") input_text = "Once upon a time" inputs = tokenizer(input_text, return_tensors="pt").to('cuda' if torch.cuda.is_available() else 'cpu') outputs = model.generate(**inputs, max_length=50) print(tokenizer.decode(outputs[0], skip_special_tokens=True)) ```
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值