书生大模型-L0G2000-Python 基础知识

原创已于 2024-11-06 12:44:29 修改 · 397 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#python

于 2024-07-31 08:04:02 首次发布

书生大模型训练营-闯关任务作业专栏收录该内容

11 篇文章

订阅专栏

任务一：Leetcode 383(笔记中提交代码与leetcode提交通过截图)

暴力遍历：

class Solution(object):
    def canConstruct(self, ransomNote, magazine):
        """
        :type ransomNote: str
        :type magazine: str
        :rtype: bool
        """
        listA = list(ransomNote)
        listB = list(magazine)
        for char_A in listA:
            first_pos = -1
            for i in range(len(listB)):
                if char_A == listB[i]:
                    first_pos = i
                    break
            if first_pos == -1:
                return False
            else:
                listB.pop(first_pos)
        return True

在这里插入图片描述
使用collections.Counter哈希表：
代码：

class Solution(object):
    def canConstruct(self, ransomNote, magazine):
        """
        :type ransomNote: str
        :type magazine: str
        :rtype: bool
        """
        if len(ransomNote) > len(magazine):
            return False
        return not collections.Counter(ransomNote) - collections.Counter(magazine)

在这里插入图片描述

任务二:请使用本地vscode连接远程开发机，将上面你写的wordcount函数在开发机上进行debug，体验debug的全流程，并完成一份debug笔记(需要截图)。

下面是一段调用书生浦语API实现将非结构化文本转化成结构化json的例子，其中有一个小bug会导致报错。请大家自行通过debug功能定位到报错原因并做修正。

注意：

提交代码时切记删除自己的api_key！本段demo为了方便大家使用debug所以将api_key明文写在代码中，这是一种极其不可取的行为!

作业提交时需要有debug过程的图文笔记，以及修改过后的代码。

from openai import OpenAI
import json
def internlm_gen(prompt,client):
    '''
    LLM生成函数
    Param prompt: prompt string
    Param client: OpenAI client 
    '''
    response = client.chat.completions.create(
        model="internlm2.5-latest",
        messages=[
            {"role": "user", "content": prompt},
      ],
        stream=False
    )
    return response.choices[0].message.content

api_key = ''
client = OpenAI(base_url="https://internlm-chat.intern-ai.org.cn/puyu/api/v1/",api_key=api_key)

content = """
书生浦语InternLM2.5是上海人工智能实验室于2024年7月推出的新一代大语言模型，提供1.8B、7B和20B三种参数版本，以适应不同需求。
该模型在复杂场景下的推理能力得到全面增强，支持1M超长上下文，能自主进行互联网搜索并整合信息。
"""
prompt = f"""
请帮我从以下``内的这段模型介绍文字中提取关于该模型的信息，要求包含模型名字、开发机构、提供参数版本、上下文长度四个内容，以json格式返回。
`{content}`
"""
res = internlm_gen(prompt,client)
res_json = json.loads(res)
print(res_json)