用本地大模型(llama3)进行数据分类标记｜LLM 用例

原创已于 2025-01-02 15:20:47 修改 · 1.2k 阅读

25 ·

CC 4.0 BY-SA版权

文章标签：

#llama #transformer #深度学习 #langchain #大模型 #ai #LLM

于 2025-01-02 15:20:30 首次发布

001｜背景

这是我最新发布的导航站点 aiwith.me

这个站点由于第一版数据来源于第三方，只有站点基础数据，没有对数据进行分类，最近站点上线了，主体框架都搭建完成了，这才有空去对数据做分类. 目前的快捷筛选，完全依靠关键字匹配检索。

前期为了快速上线，直接拿到词频相对较高和常用的词语进行筛选。这样过于粗暴，而且有时候不太准确。

AI WITH.ME 关键字筛选

002｜分类方案

数据量多了之后，这样的筛选会越来越不准确，有时候站点信息没有这些关键字，但分类上是一致的。为更好的把站点按照类型区分，我想了这些办法：

1、人工标记 - 历史数据太多了，太费时
2、通过大模型去分类 - Kimi 或者 ChatGPT-3.5
3、通过本地大模型去分类-正好测试一下本地大模型的性能和准确性如何。

最后选择了第三种方案，因为不需要 API 成本，并且可以试试本地模型性能！

003｜使用 Ollma 运行本地模型

使用 Ollma 来快捷的运行本地大模型： ollama 介绍 ollama.com/

ollama 官网截图

Ollma 支持运行的常见模型： github.com/ollama/olla…

Ollma 支持运行的常见模型列表

这里我们使用最新的 llama3

下载安装 Ollma 后，运行可以按照官网的命令 ollama run [模型名字]

本地运行Ollma+llama3

004｜使用 API 调用模型

命令行可以支持对话，但是我有 800 条数据要跑，我不可能在这个窗口完成。所以这就需要用 ollma 的 API 执行。

默认情况下，ollma 的 API 端点在11434端口，如果你没有启动的话，执行以下命令。 ollma 的 API 端点启动命令

参考 API 文档： github.com/ollama/olla…

ollma 常用 API

因为不需要对话和记忆，只要文本生成就是了，所以我们选择 /api/generate 端点。

需要处理的数据结构如下： AI WITH.ME 站点数据

005｜编写提示词&调试提示词

这个过程实际上挺麻烦的，我前前后后写了四版提示词，进行测试。主要诉求是：通过我给出的已知网站信息，给出最符合我限定范围内的分类。

随便来段 Python 代码，批量执行数据。进行提示词的调试。调用 ollma API，提示词在payload 里

对数据做分类的提示词

1、使用 llama3 模型并禁用流输出，默认是流输出，为了序列化方便，我们一次调用一次性获得结果即可。
2、将已知的网站信息，主要是描述信息给到大模型，参照以下上面的数据结果，大约 800 +个类似的数据
3、限定输出的格式为 JSON 数组，便于编程使用（也可以直接更新数据写到新的 JSON 文件）

遇到的问题： 在最终版本确认之前改几次，几乎很多站点都分类到了 Code&IT 这个分类，这是为啥呢？后来我分析了一下，因为我的站点都是 AI 站点，几乎都会出现关键字 AI Power 或者 AI xxx 等词语，这会让它将大部分数据分类为 IT 类。所以我加了一个限定如下：

...
All websites are AI-related websites, so don't simply add Code&IT or AI classifications, but types that are combined with artificial intelligence, unless it's obvious that it's code assistant, low-code, or website building, don't easily classify them as Code&IT or AI
...
// 翻译如下（实际是最初由中文翻译过去的...）：
所有网站都是与AI相关的网站，所以不要简单地添加Code&IT或AI分类，而是与人工智能相结合的分类，除非很明显是代码助手、低代码或网站建设，否则不要轻易将它们归类为Code&IT或AI

006 | 最终运行效果如下:

llama3 对数据分类的最终效果

007 | 如何判定分类效果？

1、通过搜索与分类标签的交叉验证 2、人工随机抽查数据中的分类

分类效果渲染至站点

根据我的判定我觉得准确率应该在 80%左右，速度也挺快。本地跑 CPU 20% 左右，一秒一个的样子。

如何学习大模型

下面这些都是我当初辛苦整理和花钱购买的资料，现在我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习，等录播视频免费分享出来，需要的小伙伴可以扫取。

现在社会上大模型越来越普及了，已经有很多人都想往这里面扎，但是却找不到适合的方法去学习。

作为一名资深码农，初入大模型时也吃了很多亏，踩了无数坑。现在我想把我的经验和知识分享给你们，帮助你们学习AI大模型，能够解决你们学习中的困难。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

在这里插入图片描述

二、AI大模型视频教程

在这里插入图片描述

三、AI大模型各大学习书籍!

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

四、AI大模型各大场景实战案例

在这里插入图片描述

五、AI大模型面试题库

在这里插入图片描述

五、结束语

学习AI大模型是当前科技发展的趋势，它不仅能够为我们提供更多的机会和挑战，还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型，我们可以深入了解深度学习、神经网络等核心概念，并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时，掌握AI大模型还能够为我们的职业发展增添竞争力，成为未来技术领域的领导者。

再者，学习AI大模型也能为我们自己创造更多的价值，提供更多的岗位以及副业创收，让自己的生活更上一层楼。

因此，学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。