基于OpenAI搭建自己的ChatGPT环境1
- 基于OpenAI搭建自己的ChatGPT环境
- 注册账号
- 生成访问密钥
- 创建虚拟环境
- 安装openai模块
- 环境体验
笔者初次接触人工智能领域，文章中错误的地方还望各位大佬指正！
基于OpenAI搭建自己的ChatGPT环境
ChatGPT是OpenAI研发的人机交互程序，是人工智能技术驱动的自然语言处理模型，能够通过学习和理解人类的语言来进行对话。经过长时间的训练，ChatGPT已经成长得比较强大，可以聊天、写文章、写报告、生成图片等，并且通过GitHub上的代码的训练，ChatGPT还能基于特定场景编写代码。ChatGPT目前在有些地区是不能使用的，要体验它的功能，我们可以基于OpenAI搭建自己的ChatGPT环境。
注册账号
注册地址为：OpenAI API。
点击“SIGN UP”按钮进行账号注册。
在注册账号时需要提供注册邮箱，输入自己能正常收邮件的邮箱，后面需要通过邮箱激活。
填写好邮箱后，设置一个自己能够记住的密码，作为后面的登录密码。
注册完成后，注册邮箱中会收到一封激活的邮件，点击激活链接激活账号。激活完成后就可以通过注册的邮箱地址进行登录了。
登录的第二步，需要填写一下自己的信息。
最后一步，需要提供一个手机号码接收验证码，这一步非常重要。
受当地法律因素影响，好多地区目前不支持使用ChatGPT，当然OpenAI的使用也有一些限制。
手机号码接收验证码的这步需要自己解决。
处理完成后，可以进入到OpenAI的主页面。
生成访问密钥
通过个人菜单下的“View API keys“菜单，转到API keys界面。
在API keys界面上创建一个secret key，因为OpenAI是收费的，这个key将作为用户调用接口的凭证，也会作为计费凭证。下面的这个界面只会出现一次，所以这里一定要将key复制、保存好。
创建好secret key后，可以在列表中看到，这个key需要在后续的代码中使用。
OpenAI的服务是收费的，当然，作为体验，OpenAI提供了一个18美刀、大约3个半月的试用额度。
对于体验功能而言，需要节约API的调用次数及生成结果内容的大小。
对于资金充裕的用户，后续需要充值续费。
创建虚拟环境
人工智能的首选语言还是Python，这里我们也创建一个Python的虚拟环境，用于开发人工智能相关的代码。首先通过Anaconda安装好Python。然后通过conda命令创建一个虚拟环境，命名为OpenAI，命令如下：
conda create -n OpenAI python=3.9
虚拟环境的创建过程：
(base) wux_labs@wux-labs-vm:~$ conda create -n OpenAI python=3.9
Collecting package metadata (current_repodata.json): done
Solving environment: done
==> WARNING: A newer version of conda exists. <==
current version: 22.9.0
latest version: 23.1.0
Please update conda by running
$ conda update -n base -c defaults conda
## Package Plan ##
environment location: /home/wux_labs/anaconda3/envs/OpenAI
added / updated specs:
- python=3.9
The following packages will be downloaded:
package | build
---------------------------|-----------------
openssl-1.1.1t | h7f8727e_0 3.7 MB
------------------------------------------------------------
Total: 3.7 MB
The following NEW packages will be INSTALLED:
_libgcc_mutex pkgs/main/linux-64::_libgcc_mutex-0.1-main None
_openmp_mutex pkgs/main/linux-64::_openmp_mutex-5.1-1_gnu None
ca-certificates pkgs/main/linux-64::ca-certificates-2023.01.10-h06a4308_0 None
certifi pkgs/main/linux-64::certifi-2022.12.7-py39h06a4308_0 None
ld_impl_linux-64 pkgs/main/linux-64::ld_impl_linux-64-2.38-h1181459_1 None
libffi pkgs/main/linux-64::libffi-3.4.2-h6a678d5_6 None
libgcc-ng pkgs/main/linux-64::libgcc-ng-11.2.0-h1234567_1 None
libgomp pkgs/main/linux-64::libgomp-11.2.0-h1234567_1 None
libstdcxx-ng pkgs/main/linux-64::libstdcxx-ng-11.2.0-h1234567_1 None
ncurses pkgs/main/linux-64::ncurses-6.4-h6a678d5_0 None
openssl pkgs/main/linux-64::openssl-1.1.1t-h7f8727e_0 None
pip pkgs/main/linux-64::pip-22.3.1-py39h06a4308_0 None
python pkgs/main/linux-64::python-3.9.16-h7a1cb2a_0 None
readline pkgs/main/linux-64::readline-8.2-h5eee18b_0 None
setuptools pkgs/main/linux-64::setuptools-65.6.3-py39h06a4308_0 None
sqlite pkgs/main/linux-64::sqlite-3.40.1-h5082296_0 None
tk pkgs/main/linux-64::tk-8.6.12-h1ccaba5_0 None
tzdata pkgs/main/noarch::tzdata-2022g-h04d1e81_0 None
wheel pkgs/main/noarch::wheel-0.37.1-pyhd3eb1b0_0 None
xz pkgs/main/linux-64::xz-5.2.10-h5eee18b_1 None
zlib pkgs/main/linux-64::zlib-1.2.13-h5eee18b_0 None
Proceed ([y]/n)? y
Downloading and Extracting Packages
openssl-1.1.1t | 3.7 MB | ########################################################################################################### | 100%
Preparing transaction: done
Verifying transaction: done
Executing transaction: done
#
# To activate this environment, use
#
# $ conda activate OpenAI
#
# To deactivate an active environment, use
#
# $ conda deactivate
Retrieving notices: ...working... done
(base) wux_labs@wux-labs-vm:~$
环境创建好以后，激活一下，切换到新的虚拟环境。
conda activate OpenAI
安装openai模块
可以通过openai模块调用API来实现相关的功能，首先就需要安装openai模块。通过pip install命令安装即可。
pip install openai
安装过程为：
Collecting openai
Downloading openai-0.26.5.tar.gz (55 kB)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 55.5/55.5 kB 1.3 MB/s eta 0:00:00
Installing build dependencies ... done
Getting requirements to build wheel ... done
Installing backend dependencies ... done
Preparing metadata (pyproject.toml) ... done
Collecting requests>=2.20
Downloading requests-2.28.2-py3-none-any.whl (62 kB)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 62.8/62.8 kB 4.2 MB/s eta 0:00:00
Collecting aiohttp
Downloading aiohttp-3.8.4-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (1.0 MB)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 1.0/1.0 MB 9.8 MB/s eta 0:00:00
Collecting tqdm
Downloading tqdm-4.64.1-py2.py3-none-any.whl (78 kB)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 78.5/78.5 kB 10.0 MB/s eta 0:00:00
Requirement already satisfied: certifi>=2017.4.17 in ./anaconda3/envs/PythonBasic/lib/python3.9/site-packages (from requests>=2.20->openai) (2022.12.7)
Collecting idna<4,>=2.5
Downloading idna-3.4-py3-none-any.whl (61 kB)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 61.5/61.5 kB 7.5 MB/s eta 0:00:00
Collecting urllib3<1.27,>=1.21.1
Downloading urllib3-1.26.14-py2.py3-none-any.whl (140 kB)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 140.6/140.6 kB 18.6 MB/s eta 0:00:00
Collecting charset-normalizer<4,>=2
Downloading charset_normalizer-3.0.1-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (198 kB)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 198.8/198.8 kB 21.1 MB/s eta 0:00:00
Collecting frozenlist>=1.1.1
Downloading frozenlist-1.3.3-cp39-cp39-manylinux_2_5_x86_64.manylinux1_x86_64.manylinux_2_17_x86_64.manylinux2014_x86_64.whl (158 kB)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 158.8/158.8 kB 20.4 MB/s eta 0:00:00
Collecting yarl<2.0,>=1.0
Downloading yarl-1.8.2-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (264 kB)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 264.6/264.6 kB 30.7 MB/s eta 0:00:00
Collecting aiosignal>=1.1.2
Downloading aiosignal-1.3.1-py3-none-any.whl (7.6 kB)
Collecting async-timeout<5.0,>=4.0.0a3
Downloading async_timeout-4.0.2-py3-none-any.whl (5.8 kB)
Collecting attrs>=17.3.0
Downloading attrs-22.2.0-py3-none-any.whl (60 kB)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 60.0/60.0 kB 8.5 MB/s eta 0:00:00
Collecting multidict<7.0,>=4.5
Downloading multidict-6.0.4-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (114 kB)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 114.2/114.2 kB 15.2 MB/s eta 0:00:00
Building wheels for collected packages: openai
Building wheel for openai (pyproject.toml) ... done
Created wheel for openai: filename=openai-0.26.5-py3-none-any.whl size=67596 sha256=08874abb0de60e7439d4dad217b14da9381c774e64067448ac4fb3a2d76ecc24
Stored in directory: /home/wux_labs/.cache/pip/wheels/8f/72/d6/0a48b79d1e0c8aaade412dca96449f3eef8b0baf5a4a05ffc4
Successfully built openai
Installing collected packages: charset-normalizer, urllib3, tqdm, multidict, idna, frozenlist, attrs, async-timeout, yarl, requests, aiosignal, aiohttp, openai
Successfully installed aiohttp-3.8.4 aiosignal-1.3.1 async-timeout-4.0.2 attrs-22.2.0 charset-normalizer-3.0.1 frozenlist-1.3.3 idna-3.4 multidict-6.0.4 openai-0.26.5 requests-2.28.2 tqdm-4.64.1 urllib3-1.26.14 yarl-1.8.2
模块安装完成后，当前的虚拟环境中就可以看到相关的模块了。
环境体验
编写一段代码，导入openai，设置好之前生成的secret key，然后就可以调用openai的API了。调用API的好处之一就是可以自己指定参数，设置好接口参数：
- model，使用的模型
- prompt，代表您的输入内容
- temperature，使用什么采样温度，介于 0 和 2 之间。较高的值（如 0.8）将使输出更加随机，而较低的值（如 0.2）将使输出更加集中和确定。
- max_tokens，完成时要生成的最大令牌数。
- frequency_penalty，介于 -2.0 和 2.0 之间的数字。正值会根据新标记到目前为止在文本中的现有频率来惩罚新标记，从而降低模型逐字重复同一行的可能性。
- presence_penalty，介于 -2.0 和 2.0 之间的数字。正值会根据新标记到目前为止是否出现在文本中来惩罚它们，从而增加模型讨论新主题的可能性。
import openai
openai.api_key = "sk-*****DTau"
response = openai.Completion.create(
model="text-davinci-003", # 最强大的GPT-3模型，This model's maximum context length is 4097 tokens
prompt="介绍一下机器学习算法",
temperature=0.8,
max_tokens=3000,
top_p=1.0,
frequency_penalty=0.5,
presence_penalty=0.0
)
print(response.choices[0].text)
最终得到的答案是：
机器学习算法是一种指导计算机从数据中发现特征和模式的算法。它以特定的方法搜集、分析数据，运用方法自动地学习并在新数据上做出预测。这些方法包含有监督学习（如决策树、逻辑回归和支持向量机）、无监督学习（如聚类分析）、集成学习和强化学习。它们可以用于预测和分析样本数据中可能隐藏的信息，甚至可以帮助我们识别客户行为习惯。
