Yakın zamanda OpenAI, tüm ödeme yapan kullanıcılar için ChatGPT'de Kod Yorumlayıcı'yı yayınladı. Ancak ayda 20 dolar tutuyor ve bu herkes için uygun değil. Yani ChatGPT Code Interpreter'ı ücretsiz kullanmak istiyorsanız bu eğitim tam size göre. Shroominic adını kullanan bir geliştirici, ChatGPT Kodunun açık kaynaklı bir uygulamasını geliştirdi Tercüman. ChatGPT'ye benzer şekilde veri kümesi analizi yapmanıza ve verileri görselleştirmenize olanak tanır. Bu notta, devam edelim ve Code Interpreter'ı ücretsiz olarak nasıl kullanacağımızı öğrenelim. İçindekiler
1. GitHub () üzerinde ücretsiz ve açık kaynaklı Code Interpreter API projesini kullanıyoruz. ChatGPT'nin Kod Yorumlayıcısı gibi davranmak için CodeBox'ları, OpenAI API'sini, LangChain Agent'ları ve birden fazla Python paketini kullanır.
2. Küçük bir veri kümesi için oldukça iyi çalışır ve hiçbir ücret gerektirmez. Ancak büyük bir veri setini analize attığınızda OpenAI’nin ücretsiz kullanıcılara yönelik hız limiti işlemi engelliyor. Dolayısıyla, büyük miktarda veri için kullanmayı planlıyorsanız OpenAI hesabınıza bir ödeme yöntemi eklemeyi düşünün.
3. GPT-4 API'sine erişiminiz varsa proje iyi çalışır. Ancak kodu GPT-3.5-turbo modeliyle de uyumlu olacak şekilde özelleştirdim.
1. Öncelikle
2'yi yapmanız gerekir. Python'u Pip ile birlikte yükledikten sonra, Terminali açın ve düzgün kurulup kurulmadıklarını kontrol etmek için aşağıdaki komutları çalıştırın. Komutlar çıktıyı sürüm numaralarıyla birlikte döndürmelidir.
python --version pip --version
3. Şimdi Kod Yorumlayıcı API'sini yüklemek için aşağıdaki komutu çalıştırın.
pip install "codeinterpreterapi[all]"
4. Bundan sonra devam edin ve OpenAI'nin
1.x'inden bir API anahtarı alın. Bunu yaptıktan sonra Code Interpreter API'yi ücretsiz çalıştırmanın zamanı geldi.
2.
3'ü açın. Şimdi aşağıdaki kodu kopyalayın ve kod düzenleyiciye yapıştırın. Kod
4'ten alınmıştır. Bazı değişikliklerin gerekli olduğu kodu kırmızıyla vurguladım. Öncelikle ikinci satıra OpenAI API anahtarını yapıştırın.
5. Bundan sonra GPT-4 API’sine erişiminiz varsa dokuzuncu satırda “gpt-4” modelini tanımlayabilirsiniz. Son olarak 14. satıra sorgunuzu girip ne oluşturmak istediğinizi tanımlayabilirsiniz.
6. Şimdi dosyayı "chart.py" olarak Masaüstü'ne kaydedin. Sonuna .py uzantısını eklediğinizden emin olun.
7. Şimdi devam edin ve Terminal'i açın ve aşağıdaki komutları tek tek çalıştırın. İlk komut Masaüstü konumuna taşınacak ve ikincisi Python kullanarak “chart.py” dosyasını çalıştıracaktır.
cd Masaüstü python chart.py
8. Birkaç saniye verin, Code Interpreter API sizin için grafiği oluşturacaktır.
9. Bu sonucu elde etmek için arka planda LangChain Agent'lar, internetten Yahoo Finance verileri, grafiği çizmek için Matplotlib ve daha fazlası dahil olmak üzere bir dizi hizmeti kullanır. Arka planda olan her şeyi görmek için aşağıdaki satırı koda ekleyebilirsiniz.
os.environ["VERBOSE"] = "Doğru"
10. Artık koddaki sorguyu değiştirebilir ve yeni grafikler oluşturmak için "chart.py" dosyasını yeniden çalıştırabilirsiniz.
3. Adım: Code Interpreter API'yi Kullanarak Veri Analizi Gerçekleştirin
1. Ücretsiz olarak veri analizi gerçekleştirmek için yerel verilerinizi de kullanabilirsiniz. Bunun için Masaüstünde “analiz” adında bir klasör oluşturun.
2. Şimdi veri kümenizi “analiz” klasörüne taşıyın. Veri kümesi CSV, XSL veya XSLX formatında olabilir. Örneğin “analiz” klasörü içerisinde “globaltemperature.csv” dosyasını kullanacağız.
3. Daha sonra kod düzenleyiciyi açın ve aşağıdaki kodu yapıştırın.
os.environ'u içe aktar["OPENAI_API_KEY"] = "OPENAI API ANAHTARINI BURAYA YAPIŞTIRIN" codeinterpreterapi'den CodeInterpreterSession'ı içe aktarın, Dosya async def main(): # bağlam yöneticisi için CodeInterpreterSession ile oturumun eşzamansız olarak otomatik başlatılması/durdurulması(model = "gpt-3.5-turbo") oturum olarak: # kullanıcı isteğini tanımlayın user_request = "Bu veri kümesini analiz edin ve 1950'den 2016'ya kadar küresel sıcaklığın grafiğini çıkarın. GCAG sistemini düşünün." files = [ File.from_path("globaltemperature.csv"), ] # yanıtı oluştur yanıt = wait session.generate_response ( kullanıcı_isteği, dosyalar=dosyalar ) # yanıt.dosyalarındaki dosya için kullanıcıya çıktı print("AI: ", yanıt.content): file.show_image() if __name__ == "__main__": import asyncio asyncio.run(main) ())
4. Burada öncelikle OpenAI API anahtarını yapıştırmanız gerekir.
5. Şimdi “globaltemperature.csv”yi kendi veri kümesi adınızla değiştirin. Bu arada verilerden ne istediğinize bağlı olarak modeli ve kullanıcı sorgusunu da değiştirebilirsiniz.
6. Masaüstünüzdeki “analiz” klasörünün içine “data.py” olarak kaydedin.
7. Terminal'i başlatın ve dosyayı benzer şekilde çalıştırın.
cd Masaüstü/analiz python data.py
8. Artık yerel veri kümenize dayalı grafiği alacaksınız. Ve bu şekilde Code Interpreter API'yi veri seti analizi için hiçbir ücret ödemeden kullanabilirsiniz.
Yapay zeka bugünlerde her şeyde (TV'lerde, dizüstü bilgisayarlarda, telefonlarda, web sitelerinde, hatta PDF editörlerinde) ve bu büyük patlama, OpenAI'nin ChatGPT'sinin çılgın başarısına bağlanabilir.
MSI Stealth A16 AI+, ince bir kasada güçlü CPU ve GPU performansı sunmaya çalışan, aynı zamanda uzun pil ömrü de sağlayan, her işi bilen bir ürün. Vasat ekranı can sıkıcı olsa da çoğunlukla başarılı oluyor.
Dün, OpenAI, X/Twitter aracılığıyla, ChatGPT'nin web sürümü için, AI sohbet robotuyla geçmiş konuşmalarınızı aramanıza olanak tanıyan yeni bir özelliği kullanıma sunmaya başladıklarını duyurdu.
Günümüzde tatilde (video) kameranın yerini akıllı telefonlar alıyor, taşınabilir bir müzik çalar görevi görüyor, tüm WhatsApp medyası için alana sahip ve ses dosyalarını, e-kitapları ve belgeleri barındırıyor.
Yeni nesil Ryzen 9000 X3D işlemcisinin yolumuza doğru ilerlediğini doğrulayan AMD, şimdi de amiral gemisi çipini duyurdu: Zen 5 mimarisinin yanı sıra devasa dizisinin yeni düzenlemesinden de faydalanacak olan Ryzen 7 9800X3D 64 MB önbellek.
Harici USB/Thunderbolt sürücüleri (diğer adıyla doğrudan bağlı depolama veya DAS), önemli dosyalarınızı hızlı bir şekilde yedeklemenin yanı sıra ihtiyaç duymadığınız verileri bilgisayarınızın hızlı dahili depolama alanında depolamanın son derece kullanışlı bir yoludur . Ayrıca konumlar ve cihazlar arasında veri aktarımı konusunda da son derece kullanışlıdırlar.
Konu ev güvenliği olduğunda video kalitesi bir lüksten daha fazlasıdır; bir zorunluluktur. Net ve ayrıntılı görüntüler, potansiyel tehditlerin belirlenmesinde ve evinizin iyi korunmasını sağlamada büyük fark yaratabilir. Ring, kameralarının netliğini, kullanılabilirliğini ve etkinliğini artırmak için tasarlanmış bir dizi özelleştirilebilir video ayarı sunar. İster deneyimli bir Ring kullanıcısı olun ister yeni başlıyor olun, bu ayarları anlamak sisteminizden en iyi şekilde yararlanmanıza yardımcı olabilir.
Yorumlar