ChatGPT国内镜像站试用,聊天、Python代码生成。

news2024/11/24 9:45:27

ChatGPT国内镜像站试用,聊天、Python代码生成。


(本文获得CSDN质量评分【91】)

【学习的细节是欢悦的历程】

  • Python 官网:https://www.python.org/

  • Free:大咖免费“圣经”教程《 python 完全自学教程》,不仅仅是基础那么简单……


  自学并不是什么神秘的东西,一个人一辈子自学的时间总是比在学校学习的时间长,没有老师的时候总是比有老师的时候多。
            —— 华罗庚


  • My CSDN主页、My HOT博、My Python 学习个人备忘录
  • 好文力荐、 老齐教室
等风来,不如追风去……


ChatGPT国内镜像站试用
ChatGPT
(聊天、Python代码生成)


本文质量分:

91
本文地址: https://blog.csdn.net/m0_57158496/article/details/129035387

CSDN质量分查询入口:http://www.csdn.net/qc


目 录

在这里插入图片描述

  • ◆ChatGPT
    • 1、ChatGPT简介
    • 2、关于聊天
    • 3、关于代码
      • 3.1 乘法九九表
      • 3.2 杨辉三角
        • 3.2.1 对称打印
      • 3.3
      • 3.4
      • 3.5
    • 4、ChatGPT国内镜像站
      • 4.1 网页体验入口
      • 4.2 微信体验入口
    • 5、完整源码


◆ChatGPT


  最近ChatGPT传得沸沸扬扬,红得发紫。由于主站在国外,我没有资源和途径,无缘窥其尊容。最近有缘得到国内站点,趁着情人节的无所事事,来撩一把ChatGPT的国内镜像站点。

1、ChatGPT简介

ChatGPT is a natural language processing (NLP) chatbot that uses a generative pre-trained transformer (GPT) model to generate responses to user input. It is designed to provide a conversational experience that is as close to human-like as possible. ChatGPT is trained on a large corpus of conversational data and is able to generate responses that are both relevant and appropriate to the user’s input. ChatGPT can be used in a variety of applications, including customer service, virtual assistants, and more.

译文

  ChatGPT是一种自然语言处理(NLP)聊天机器人,它使用生成式的预训练转换器(GPT)模型来生成对用户输入的响应。它的设计目的是提供一种尽可能接近类人的对话体验。ChatGPT是在大量的会话数据语料库上进行训练的,并且能够生成与用户的输入既相关又合适的响应。ChatGPT可以用于各种应用程序中,包括客户服务、虚拟助理等。

  ChatGPT目前会使用Python,JavaScript,HTML和CSS等编程语言。后续如有需要,还会学习其他语言。


回页目录

2、关于聊天


  • 网页版体验

      趁没有情人的情人节,与ChatGPT 唠唠“情人节”😋……
    在这里插入图片描述

    找ChatGPT要个“情人节”礼物🎁
    在这里插入图片描述

    “挑拨”ChatGPT ……
    在这里插入图片描述
    在这里插入图片描述

      从对ChatGPT的话语“挑逗”来看,它还是足够聪明的,对“无聊”的“我”,还是有一定治愈的。给我的感觉是——很不错!


  • 微信版体验,也一样“聪明”
    在这里插入图片描述

回页目录

3、关于代码


  我只会点点Python基础,所以只能体验ChatGPT用Python代码来解决提问。

3.1 乘法九九表

在这里插入图片描述


# ChatGPT 生成的“九九表”Python代码
def nines():
    for i in range(1, 10):
        for j in range(1, 10):
            print(i, 'x', j, '=', i*j)

nines()
input('\n【ChatGPT生成的“九九表”Python代码,输出效果】')

得到的代码输出
在这里插入图片描述

在这里插入图片描述
我想要的是这样子的九九表
在这里插入图片描述
  我自行修改代码输出格式,可以输出上图九九表。也可以把代码揉合成列表解析一行代码搞定。


for i in range(1, 10):
    print() 
    for j in range(1, i+1):
        print(f"{i}×{j}={i*j:>2}", end=' ')
nines = '\n'.join([' '.join(f"{i}×{j}={i*j:>2}" for j in range(1, i+1)) for i in range(1,10)])
input(f"\n打印一行Python代码生成的“九九表”:\n\n{nines}\n")

这是不是说明了ChatGPT智能的缺失?因而我修改了提问词句。

在这里插入图片描述


for i in range(1, 10):
    for j in range(1, i+1):
        print(f'{i}*{j}={i*j}', end='\t')
    print()

在这里插入图片描述
在这里插入图片描述


for i in range(1, 10):
    for j in range(1, i+1):
        print(f'{i}×{j}={i*j}', end='\t')
    print()

在这里插入图片描述

  改变提问词句,得到了不同的结果。未验证我的猜测,重新用最初的提问语句提问,但得到的却是显示优化后的代码。用最初的提问词句,多次提问,都是得到后面的代码。这是ChatGPT“自主学习”的结果?我不敢妄自猜度。从它“理解”让换*为×的快速执行,可以看出它对中文的理解已经相当“人类”了(它已经是人类小孩纸了😋)

3.2 杨辉三角


在这里插入图片描述


def yanghui_triangle(n):
    triangle = [[1]]
    for i in range(1, n):
        row = [1]
        for j in range(1, i):
            row.append(triangle[i-1][j-1] + triangle[i-1][j])
        row.append(1)
        triangle.append(row)
    for row in triangle:
        print(row)
yanghui_triangle(12)


在这里插入图片描述


def yanghui_triangle(n):
    # 初始化列表
    triangle = []
    for i in range(n):
        # 每一行的列表
        row = [None for _ in range(i+1)]
        # 第一个和最后一个元素赋值为1
        row[0], row[-1] = 1, 1
        # 中间元素的值等于上一行的相邻元素之和
        for j in range(1, len(row)-1):
            row[j] = triangle[i-1][j-1] + triangle[i-1][j]
        triangle.append(row)
    return triangle
 
# 打印杨辉三角
for row in yanghui_triangle(12):
    print(row)


  两次不同的提问,获取了两种算法的代码。但明显的,ChatGPT还不可以“理解”中文“对称打印”。😋

3.2.1 对称打印


  修改最后的输出格式,即可实现对称打印。

# 打印杨辉三角
for row in yanghui_triangle(12):
    print(f"{' '.join([f'{i:^3}' for i in row]):^50}")

对称打印效果
在这里插入图片描述

3.3



3.4



3.5



回页目录

4、ChatGPT国内镜像站


  该站点无提问条数限制,可以任意体验。


4.1 网页体验入口


  • 点击链接跳转或复制地址到浏览器:https://aigcfun.com

  • 网页体验首页
    在这里插入图片描述

4.2 微信体验入口


  • 微信扫码

在这里插入图片描述


  • 微信体验界面

在这里插入图片描述


回页目录

5、完整源码

(源码较长,点此跳过源码)



回页首

__上一篇:__ 求解最大公约数(常用的四大算法求解最大公约数,分解质因数法、短除法、辗转相除法、更相减损法)
__下一篇:__ 

我的HOT博:

    • 彩色文字界面尼姆游戏(1001阅读)
    • 神奇的 \033 ,让打印出彩(1118阅读)
    • 小炼二维数组(1174阅读)
    • 仿真模拟福彩双色球(1954阅读)
    • Python之魔幻切片(1263阅读)
    • 数列求和a, aa, aaa, ..., aa...aa(n个a)(1326阅读)
    • 个人信息提取(2027阅读)
    • 十六进制字符串转Python代码(utf-8字符串转十六进制字符串)(1244阅读)
    • 生成100个随机正整数(1917阅读)
    • 给定字符串提取姓名(字符串、list、re“零宽断言”)(1350阅读)
    • 我的 Python.color() (Python 色彩打印控制)(1777阅读)
    • python清屏(2908阅读)
    • 回车符、换行符和回车换行符(2961阅读)
    • Linux 脚本文件第一行的特殊注释符(井号和感叹号组合)的含义(1692阅读)
    • random.sample()将在python 3.9x后续版本中被弃用(1594阅读)
    • pandas 数据类型之 Series(1674阅读)
    • 聊天消息敏感词屏蔽系统(字符串替换 str.replace(str1, *) )(1747阅读)
    • 练习:银行复利计算(用 for 循环解一道初中小题)(1580阅读)
    • pandas 数据类型之 DataFrame(5061阅读)
    • 班里有人和我同生日难吗?(蒙特卡洛随机模拟法)(2355阅读)
    • Python 续行符(\)“拯救”你的超长语句(1308阅读)
    • Python字符串居中显示(4096阅读)
    • 练习:求偶数和、阈值分割和求差( list 对象的两个基础小题)(1738阅读)
    • 用 pandas 解一道小题(2150阅读)
    • 可迭代对象和四个函数(1171阅读)
    • “快乐数”判断(1355阅读)
    • 罗马数字转换器(构造元素取模)(2604阅读)
    • Hot:罗马数字(转换器|罗生成器)(5576阅读)
    • Hot:让QQ群昵称色变的代码(48847阅读)
    • Hot:斐波那契数列(递归| for )(4166阅读)
    • 柱状图中最大矩形(1764阅读)
    • 排序数组元素的重复起止(1369阅读)
    • 电话拨号键盘字母组合(1579阅读)
    • 密码强度检测器(2524阅读)
    • 求列表平衡点(1965阅读)
    • Hot: 字符串统计(4426阅读)
    • Hot:尼姆游戏(聪明版首发)(3684阅读)
    • 尼姆游戏(优化版)(1375阅读)

    • 推荐条件 点阅破千


      回页首


      老齐漫画头像

      精品文章:

      • 好文力荐:齐伟书稿 《python 完全自学教程》 Free连载(已完稿并集结成书,还有PDF版本百度网盘永久分享,点击跳转免费🆓下载。)
      • OPP三大特性:封装中的property
      • 通过内置对象理解python'
      • 正则表达式
      • python中“*”的作用
      • Python 完全自学手册
      • 海象运算符
      • Python中的 `!=`与`is not`不同
      • 学习编程的正确方法

      来源:老齐教室


      回页首

      ◆ Python 入门指南【Python 3.6.3】


      好文力荐:

      • 全栈领域优质创作者——寒佬(还是国内某高校学生)博文“非技术文—关于英语和如何正确的提问”,“英语”和“会提问”是学习的两大利器。

      • 【8大编程语言的适用领域】先别着急选语言学编程,先看它们能干嘛

      • 靠谱程序员的好习惯


      CSDN实用技巧博文:

      • 8个好用到爆的Python实用技巧
      • python忽略警告
      • Python代码编写规范
      • Python的docstring规范(说明文档的规范写法)

    本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/346608.html

    如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

    相关文章

    前端开发:关于diff算法详解

    前言 前端开发中,关于JS原生的内容和前端算法相关的内容一直都是前端工作中的核心,不管是在实际的前端业务开发还是前端求职面试,都是非常重要且必备的内容。那么本篇博文来分享一个关于前端开发中必备内容:diff算法,d…

    ChatGPT背后的技术可以给数据治理带来哪些神奇的效果?_光点科技

    最近,由美国人工智能研究室OpenAI开发的全新“聊天机器人”ChatGPT火了。作为一款人工智能语言模型,它不仅能和人展开互动,还可以写文章、制定方案、创作诗歌,甚至编写代码、检查漏洞样样精通,上线仅两个月全球活跃用户…

    Python雪花代码

    前言 用python画个雪花玩玩,源码在文末公众号哈。 雪花类 class Snow(): #雪花类 def __init__(self): self.r 6 #雪花的半径 self.x ra.randint(-1000,1000) #雪花的横坐标 self.y ra.randint(-500,5…

    剑指 Offer 10- I. 斐波那契数列[c语言]

    目录题目思路代码结果该文章只是用于记录考研复试刷题题目 力扣斐波那契数列 写一个函数,输入 n ,求斐波那契(Fibonacci)数列的第 n 项(即 F(N))。斐波那契数列的定义如下: F(0) 0, F(1) 1 …

    卷积神经网络-D2L

    从全连接层到卷积 企业级理解卷积 不稳定输入 稳定输出 求系统存量 - 信号系统周围像素点如何产生影响 - 图像处理一个像素点如何试探 - 图像识别 好处: 平移不变性和局部性 图像卷积 import torch from torch import nn from d2l import torch as d2ldef try_…

    Java高频面试题,ReentrantLock 是如何实现锁公平和非公平性的?

    我先解释一下个公平和非公平的概念。 公平,指的是竞争锁资源的线程,严格按照请求顺序来分配锁。 非公平,表示竞争锁资源的线程,允许插队来抢占锁资源。 ReentrantLock 默认采用了非公平锁的策略来实现锁的竞争逻辑。 其次&…

    SqlServer的LDF文件丢失, 如何仅用MDF文件恢复数据库呢?(已解决)

    笔者的一个大小为2 TB的SQL Server的database的LDF文件在玩存储盘映射的过程中莫名其妙的丢失了. 好在MDF文件还在. 笔者慌了, Bruce Ye告诉笔者, 不用着急, 光用MDF也可以把数据库弄回来的. 笔者就问Bruce, 假设我可以容忍LDF中信息的丢失的话, 那么该如何恢复这个数据库呢?我…

    快速搭建个人在线书库,随时随地畅享阅读!

    前边我们利用NAS部署了个人的导航页、小说站、云笔记,今天,我们再看看怎么部署一个个人的在线书库。 相信很多朋友都在自己的电脑中收藏了大量的PDF、MOBI等格式的电子书籍,但是一旦换了一台设备,要么是无法翻阅,要么…

    如何为报表开发工具 FastReport .NET 设置 Apache 2 Web 服务器?

    FastReport .NET是一款全功能的Windows Forms、ASP.NET和MVC报表分析解决方案,使用FastReport .NET可以创建独立于应用程序的.NET报表,同时FastReport .Net支持中文、英语等14种语言,可以让你的产品保证真正的国际性。专业版和企业版包括Fast…

    FortiTalk | “三英论安全”之OT安全热门话题解读

    OT安全热门话题解读 在数字化转型时代,OT/IT融合已经成为主旋律,可能很多人还没有意识到“工厂”已经不是以前的“工厂”。从封闭走向互联、从现场走向远程、从手动走向自动,这种变革带来的不仅是便捷和效率,更潜藏着巨大的网络安…

    【数据结构】基础:图的最短路径问题(附C++源码)

    【数据结构】基础:图的最短路径问题(附C源码) 摘要:将会在数据结构专题中开展关于图论的内容介绍,其中包括四部分,分别为图的概念与实现、图的遍历、图的最小生成树以及图的最短路径问题。本文介绍图的最短…

    LeetCode 105. 从前序与中序遍历序列构造二叉树 -- 数据结构基础

    从前序与中序遍历序列构造二叉树 中等 1.9K 相关企业 给定两个整数数组 preorder 和 inorder ,其中 preorder 是二叉树的先序遍历, inorder 是同一棵树的中序遍历,请构造二叉树并返回其根节点。 示例 1: 输入: preorder [3,9,20,15,7], i…

    基于MATLAB的MIMO信道估计(附完整代码与分析)

    目录 一. 介绍 二. MATLAB代码 三. 运行结果与分析 一. 介绍 本篇将在MATLAB的仿真环境中对比MIMO几种常见的信道估计方法的性能。 有关MIMO的介绍可看转至此篇博客: MIMO系统模型构建_唠嗑!的博客-CSDN博客 在所有无线通信中,信号通过…

    05- 线性回归算法 (LinearRegression) (算法)

    线性回归算法(LinearRegression)就是假定一个数据集合预测值与实际值存在一定的误差, 然后假定所有的这些误差值符合正太分布, 通过方程求这个正太分布的最小均值和方差来还原原数据集合的斜率和截距。当误差值无限接近于0时, 预测值与实际值一致, 就变成了求误差的极小值。 fr…

    【Calcite源码学习】ImmutableBitSet介绍

    Calcite中实现了一个ImmutableBitSet类,用于保存bit集合。在很多优化规则和物化视图相关的类中都使用了ImmutableBitSet来保存group by字段或者聚合函数参数字段对应的index,例如: //MaterializedViewAggregateRule#compensateViewPartial()…

    浏览器渲染原理JavaScript V8引擎

    浏览器渲染原理 前言 在我们面试过程中,面试官经常会问到这么一个问题,那就是从在浏览器地址栏中输入URL到页面显示,浏览器到底发生了什么? 浏览器内有哪些进程,这些进程都有些什么作用;浏览器地址输入U…

    【CentOS】有关时间的设置

    目录环境信息date语法信息查看时间设置时间设置日期tzselecttimedatectl语法显示当前及所有时区修改时区hwclock语法读取硬件时钟使用硬件时钟设置系统时间使用系统时间设置硬件时钟如何理解硬件时钟和系统时钟环境信息 CentOS 7 date 语法信息 date --help用法&#xff1a…

    Android - dimen适配

    一、分辨率对应DPIDPI名称范围值分辨率名称屏幕分辨率density密度(1dp显示多少px)ldpi120QVGA240*3200.75(120dpi/1600.75px)mdpi160(基线)HVGA320*4801(160dpi/1601px)hdpi240WVGA4…

    小白系列Vite-Vue3-TypeScript:011-登录界面搭建及动态路由配置

    前面几篇文章我们介绍的都是ViteVue3TypeScript项目中环境相关的配置,接下来我们开始进入系统搭建部分。本篇我们来介绍登录界面搭建及动态路由配置,大家一起撸起来......搭建登录界面登陆接口api项目登陆接口是通过mockjs前端来模拟的模拟服务接口Login…

    OpenStack手动分布式部署环境准备【Queens版】

    目录 1.基础环境准备(两个节点都需要部署) 1.1关闭防火墙 1.2关闭selinux 1.3修改主机名 1.4安装ntp时间服务器 1.5修改域名解析 1.6添加yum源 2.数据库安装配置 2.1安装数据库 2.2修改数据库 2.3重启数据库 2.4初始化数据库 3.安装RabbitMq…