(ਉਪਰ ਦਿੱਤੀ ਤਸਵੀਰ 'ਤੇ ਕਲਿਕ ਕਰਕੇ ਇਸ ਪਾਠ ਦਾ ਵੀਡੀਓ ਵੇਖੋ)
ਤੁਹਾਨੂੰ ਇਸ ਕੋਰਸ ਵਿੱਚ ਹੁਣ ਤੱਕ ਦੇਖਣ ਨੂੰ ਮਿਲਿਆ ਹੈ ਕਿ ਪ੍ਰੋੰਪਟਸ ਵਰਗੇ ਮੁੱਖ ਸੰਕਲਪ ਹਨ ਅਤੇ "ਪ੍ਰੋੰਪਟ ਇੰਜੀਨੀਅਰਿੰਗ" ਨਾਮਕ ਇੱਕ ਪੂਰੀ ਵਿਧਾ ਹੈ। ਬਹੁਤ ਸਾਰੇ ਟੂਲ ਜਿਵੇਂ ਕਿ ChatGPT, Office 365, Microsoft Power Platform ਅਤੇ ਹੋਰ, ਤੁਹਾਨੂੰ ਪ੍ਰੋੰਪਟਸ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੁਝ ਹਾਸਲ ਕਰਨ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰਦੇ ਹਨ।
ਜੇ ਤੁਸੀਂ ਕਿਸੇ ਐਪ ਵਿੱਚ ਇਸ ਤਰ੍ਹਾਂ ਦਾ ਅਨੁਭਵ ਸ਼ਾਮਲ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ ਤੁਹਾਨੂੰ ਪ੍ਰੋੰਪਟਸ, ਕੰਪਲੀਸ਼ਨਸ ਵਰਗੇ ਸੰਕਲਪਾਂ ਨੂੰ ਸਮਝਣ ਦੀ ਲੋੜ ਹੈ ਅਤੇ ਕੰਮ ਕਰਨ ਲਈ ਇੱਕ ਲਾਇਬ੍ਰੇਰੀ ਚੁਣਨੀ ਪਵੇਗੀ। ਇਹੀ ਗੱਲ ਤੁਸੀਂ ਇਸ ਅਧਿਆਇ ਵਿੱਚ ਸਿੱਖੋਗੇ।
ਇਸ ਅਧਿਆਇ ਵਿੱਚ, ਤੁਸੀਂ:
- openai ਲਾਇਬ੍ਰੇਰੀ ਅਤੇ ਇਸਦੇ ਮੁੱਖ ਸੰਕਲਪਾਂ ਬਾਰੇ ਸਿੱਖੋਗੇ।
- openai ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ ਟੈਕਸਟ ਜਨਰੇਸ਼ਨ ਐਪ ਬਣਾਉਣਗੇ।
- ਪ੍ਰੋੰਪਟ, ਟੈਂਪਰੇਚਰ ਅਤੇ ਟੋਕਨਸ ਵਰਗੇ ਸੰਕਲਪਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਟੈਕਸਟ ਜਨਰੇਸ਼ਨ ਐਪ ਬਣਾਉਣ ਦਾ ਤਰੀਕਾ ਸਮਝੋਗੇ।
ਇਸ ਪਾਠ ਦੇ ਅੰਤ ਵਿੱਚ, ਤੁਸੀਂ ਇਹ ਸਮਝ ਸਕੋਗੇ:
- ਟੈਕਸਟ ਜਨਰੇਸ਼ਨ ਐਪ ਕੀ ਹੈ, ਇਹ ਸਮਝਣਾ।
- openai ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ ਟੈਕਸਟ ਜਨਰੇਸ਼ਨ ਐਪ ਬਣਾਉਣਾ।
- ਆਪਣੇ ਐਪ ਨੂੰ ਵੱਧ ਜਾਂ ਘੱਟ ਟੋਕਨਸ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਕਨਫਿਗਰ ਕਰਨਾ ਅਤੇ ਟੈਂਪਰੇਚਰ ਨੂੰ ਬਦਲਣਾ, ਵੱਖ-ਵੱਖ ਨਤੀਜੇ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ।
ਆਮ ਤੌਰ 'ਤੇ ਜਦੋਂ ਤੁਸੀਂ ਇੱਕ ਐਪ ਬਣਾਉਂਦੇ ਹੋ ਤਾਂ ਇਸ ਵਿੱਚ ਹੇਠਾਂ ਦਿੱਤੇ ਤਰੀਕਿਆਂ ਵਿੱਚੋਂ ਕੋਈ ਇੱਕ ਇੰਟਰਫੇਸ ਹੁੰਦਾ ਹੈ:
- ਕਮਾਂਡ-ਅਧਾਰਿਤ। ਕਮਾਂਡ-ਲਾਈਨ ਐਪਸ ਆਮ ਤੌਰ 'ਤੇ ਉਹ ਐਪਸ ਹੁੰਦੇ ਹਨ ਜਿੱਥੇ ਤੁਸੀਂ ਇੱਕ ਕਮਾਂਡ ਟਾਈਪ ਕਰਦੇ ਹੋ ਅਤੇ ਇਹ ਕੰਮ ਕਰਦੇ ਹਨ। ਉਦਾਹਰਣ ਲਈ,
gitਇੱਕ ਕਮਾਂਡ-ਅਧਾਰਿਤ ਐਪ ਹੈ। - ਯੂਜ਼ਰ ਇੰਟਰਫੇਸ (UI)। ਕੁਝ ਐਪਸ ਵਿੱਚ ਗ੍ਰਾਫਿਕਲ ਯੂਜ਼ਰ ਇੰਟਰਫੇਸ (GUIs) ਹੁੰਦੇ ਹਨ ਜਿੱਥੇ ਤੁਸੀਂ ਬਟਨ ਕਲਿਕ ਕਰਦੇ ਹੋ, ਟੈਕਸਟ ਦਾਖਲ ਕਰਦੇ ਹੋ, ਵਿਕਲਪ ਚੁਣਦੇ ਹੋ ਆਦਿ।
ਇਸਨੂੰ ਇੱਕ ਕਮਾਂਡ-ਅਧਾਰਿਤ ਐਪ ਨਾਲ ਤੁਲਨਾ ਕਰੋ ਜਿੱਥੇ ਤੁਸੀਂ ਇੱਕ ਕਮਾਂਡ ਟਾਈਪ ਕਰਦੇ ਹੋ:
- ਇਹ ਸੀਮਿਤ ਹੈ। ਤੁਸੀਂ ਕੋਈ ਵੀ ਕਮਾਂਡ ਟਾਈਪ ਨਹੀਂ ਕਰ ਸਕਦੇ, ਸਿਰਫ ਉਹ ਜੋ ਐਪ ਸਮਰਥਨ ਕਰਦਾ ਹੈ।
- ਭਾਸ਼ਾ-ਵਿਸ਼ੇਸ਼। ਕੁਝ ਐਪਸ ਕਈ ਭਾਸ਼ਾਵਾਂ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ, ਪਰ ਮੂਲ ਰੂਪ ਵਿੱਚ ਐਪ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਭਾਸ਼ਾ ਲਈ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ, ਭਾਵੇਂ ਤੁਸੀਂ ਹੋਰ ਭਾਸ਼ਾਵਾਂ ਦਾ ਸਮਰਥਨ ਸ਼ਾਮਲ ਕਰ ਸਕਦੇ ਹੋ।
ਤਾਂ ਟੈਕਸਟ ਜਨਰੇਸ਼ਨ ਐਪ ਕਿਵੇਂ ਵੱਖਰਾ ਹੈ?
ਟੈਕਸਟ ਜਨਰੇਸ਼ਨ ਐਪ ਵਿੱਚ, ਤੁਹਾਡੇ ਕੋਲ ਜ਼ਿਆਦਾ ਲਚੀਲਾਪਨ ਹੁੰਦਾ ਹੈ, ਤੁਸੀਂ ਸਿਰਫ਼ ਕੁਝ ਕਮਾਂਡਸ ਜਾਂ ਵਿਸ਼ੇਸ਼ ਇਨਪੁਟ ਭਾਸ਼ਾ ਤੱਕ ਸੀਮਿਤ ਨਹੀਂ ਹੁੰਦੇ। ਇਸਦੀ ਬਜਾਏ, ਤੁਸੀਂ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਐਪ ਨਾਲ ਸੰਚਾਰ ਕਰ ਸਕਦੇ ਹੋ। ਇੱਕ ਹੋਰ ਫਾਇਦਾ ਇਹ ਹੈ ਕਿ ਤੁਸੀਂ ਪਹਿਲਾਂ ਹੀ ਇੱਕ ਡਾਟਾ ਸਰੋਤ ਨਾਲ ਸੰਚਾਰ ਕਰ ਰਹੇ ਹੋ ਜੋ ਜਾਣਕਾਰੀ ਦੇ ਵੱਡੇ ਸੰਗ੍ਰਹਿ 'ਤੇ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ, ਜਦਕਿ ਇੱਕ ਰਵਾਇਤੀ ਐਪ ਸਿਰਫ਼ ਡਾਟਾਬੇਸ ਵਿੱਚ ਮੌਜੂਦ ਜਾਣਕਾਰੀ ਤੱਕ ਸੀਮਿਤ ਹੋ ਸਕਦਾ ਹੈ।
ਤੁਸੀਂ ਬਹੁਤ ਕੁਝ ਬਣਾਉਣ ਦੇ ਯੋਗ ਹੋ। ਉਦਾਹਰਣ ਲਈ:
- ਇੱਕ ਚੈਟਬੋਟ। ਇੱਕ ਚੈਟਬੋਟ ਜੋ ਵਿਸ਼ਿਆਂ ਬਾਰੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦਿੰਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਤੁਹਾਡੀ ਕੰਪਨੀ ਅਤੇ ਇਸਦੇ ਉਤਪਾਦ, ਇੱਕ ਵਧੀਆ ਚੋਣ ਹੋ ਸਕਦੀ ਹੈ।
- ਮਦਦਗਾਰ। LLMs ਟੈਕਸਟ ਨੂੰ ਸੰਖੇਪ ਕਰਨ, ਟੈਕਸਟ ਤੋਂ ਅੰਤਰਦ੍ਰਿਸ਼ਟੀ ਪ੍ਰਾਪਤ ਕਰਨ, ਰਿਜ਼ੂਮ ਵਰਗੇ ਟੈਕਸਟ ਪੈਦਾ ਕਰਨ ਆਦਿ ਵਿੱਚ ਬਹੁਤ ਵਧੀਆ ਹਨ।
- ਕੋਡ ਸਹਾਇਕ। ਜਿਸ ਭਾਸ਼ਾ ਮਾਡਲ ਦੀ ਤੁਸੀਂ ਵਰਤੋਂ ਕਰਦੇ ਹੋ, ਉਸਦੇ ਅਧਾਰ 'ਤੇ, ਤੁਸੀਂ ਇੱਕ ਕੋਡ ਸਹਾਇਕ ਬਣਾਉਣ ਦੇ ਯੋਗ ਹੋ ਜੋ ਤੁਹਾਨੂੰ ਕੋਡ ਲਿਖਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। ਉਦਾਹਰਣ ਲਈ, ਤੁਸੀਂ GitHub Copilot ਵਰਗੇ ਉਤਪਾਦਾਂ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ ਜਿਵੇਂ ਕਿ ChatGPT ਤੁਹਾਨੂੰ ਕੋਡ ਲਿਖਣ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ।
ਤੁਹਾਨੂੰ ਇੱਕ LLM ਨਾਲ ਇੰਟੀਗਰੇਟ ਕਰਨ ਦਾ ਤਰੀਕਾ ਲੱਭਣ ਦੀ ਲੋੜ ਹੈ ਜੋ ਆਮ ਤੌਰ 'ਤੇ ਹੇਠਾਂ ਦਿੱਤੇ ਦੋ ਤਰੀਕਿਆਂ ਵਿੱਚੋਂ ਇੱਕ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ:
- API ਦੀ ਵਰਤੋਂ ਕਰੋ। ਇੱਥੇ ਤੁਸੀਂ ਆਪਣੇ ਪ੍ਰੋੰਪਟ ਨਾਲ ਵੈੱਬ ਰਿਕਵੈਸਟ ਬਣਾਉਂਦੇ ਹੋ ਅਤੇ ਵਾਪਸ ਜਨਰੇਟ ਕੀਤਾ ਟੈਕਸਟ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹੋ।
- ਲਾਇਬ੍ਰੇਰੀ ਦੀ ਵਰਤੋਂ ਕਰੋ। ਲਾਇਬ੍ਰੇਰੀਆਂ API ਕਾਲਾਂ ਨੂੰ ਸੰਗ੍ਰਹਿ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦੀਆਂ ਹਨ ਅਤੇ ਉਨ੍ਹਾਂ ਦੀ ਵਰਤੋਂ ਨੂੰ ਆਸਾਨ ਬਣਾਉਂਦੀਆਂ ਹਨ।
LLMs ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਕੁਝ ਜਾਣੇ-ਪਛਾਣੇ ਲਾਇਬ੍ਰੇਰੀਆਂ ਹਨ ਜਿਵੇਂ:
- openai, ਇਹ ਲਾਇਬ੍ਰੇਰੀ ਤੁਹਾਡੇ ਮਾਡਲ ਨਾਲ ਜੁੜਨ ਅਤੇ ਪ੍ਰੋੰਪਟਸ ਭੇਜਣ ਨੂੰ ਆਸਾਨ ਬਣਾਉਂਦੀ ਹੈ।
ਫਿਰ ਕੁਝ ਹੋਰ ਉੱਚ ਪੱਧਰ ਦੀਆਂ ਲਾਇਬ੍ਰੇਰੀਆਂ ਹਨ ਜਿਵੇਂ:
- Langchain। Langchain ਬਹੁਤ ਜਾਣੀ-ਪਛਾਣੀ ਹੈ ਅਤੇ Python ਦਾ ਸਮਰਥਨ ਕਰਦੀ ਹੈ।
- Semantic Kernel। Semantic Kernel Microsoft ਦੁਆਰਾ ਇੱਕ ਲਾਇਬ੍ਰੇਰੀ ਹੈ ਜੋ C#, Python, ਅਤੇ Java ਭਾਸ਼ਾਵਾਂ ਦਾ ਸਮਰਥਨ ਕਰਦੀ ਹੈ।
ਆਓ ਵੇਖੀਏ ਕਿ ਅਸੀਂ ਆਪਣਾ ਪਹਿਲਾ ਐਪ ਕਿਵੇਂ ਬਣਾਉਂਦੇ ਹਾਂ, ਕਿਹੜੀਆਂ ਲਾਇਬ੍ਰੇਰੀਆਂ ਦੀ ਲੋੜ ਹੈ, ਕਿੰਨਾ ਕੰਮ ਲੱਗੇਗਾ ਆਦਿ।
OpenAI ਜਾਂ Azure OpenAI ਨਾਲ ਸੰਚਾਰ ਕਰਨ ਲਈ ਬਹੁਤ ਸਾਰੀਆਂ ਲਾਇਬ੍ਰੇਰੀਆਂ ਉਪਲਬਧ ਹਨ। ਕਈ ਪ੍ਰੋਗਰਾਮਿੰਗ ਭਾਸ਼ਾਵਾਂ ਵਰਗੇ C#, Python, JavaScript, Java ਆਦਿ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਸੰਭਵ ਹੈ। ਅਸੀਂ openai Python ਲਾਇਬ੍ਰੇਰੀ ਦੀ ਚੋਣ ਕੀਤੀ ਹੈ, ਇਸ ਲਈ ਅਸੀਂ ਇਸਨੂੰ pip ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੰਸਟਾਲ ਕਰਾਂਗੇ।
pip install openaiਤੁਹਾਨੂੰ ਹੇਠਾਂ ਦਿੱਤੇ ਕਦਮ ਕਰਨ ਦੀ ਲੋੜ ਹੈ:
-
Azure 'ਤੇ ਖਾਤਾ ਬਣਾਓ https://azure.microsoft.com/free/।
-
Azure OpenAI ਤੱਕ ਪਹੁੰਚ ਪ੍ਰਾਪਤ ਕਰੋ। https://learn.microsoft.com/azure/ai-services/openai/overview#how-do-i-get-access-to-azure-openai 'ਤੇ ਜਾਓ ਅਤੇ ਪਹੁੰਚ ਲਈ ਅਰਜ਼ੀ ਦਿਓ।
[!NOTE] ਲਿਖਣ ਦੇ ਸਮੇਂ, ਤੁਹਾਨੂੰ Azure OpenAI ਤੱਕ ਪਹੁੰਚ ਲਈ ਅਰਜ਼ੀ ਦੇਣ ਦੀ ਲੋੜ ਹੈ।
-
Python ਇੰਸਟਾਲ ਕਰੋ https://www.python.org/
-
ਇੱਕ Azure OpenAI Service ਸਰੋਤ ਬਣਾਇਆ ਹੋਵੇ। ਸਰੋਤ ਬਣਾਉਣ ਲਈ ਇਸ ਗਾਈਡ ਨੂੰ ਵੇਖੋ।
ਇਸ ਪੜਾਅ 'ਤੇ, ਤੁਹਾਨੂੰ ਆਪਣੀ openai ਲਾਇਬ੍ਰੇਰੀ ਨੂੰ ਦੱਸਣ ਦੀ ਲੋੜ ਹੈ ਕਿ ਕਿਹੜੀ API ਕੁੰਜੀ ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਹੈ। ਆਪਣੀ API ਕੁੰਜੀ ਲੱਭਣ ਲਈ, ਆਪਣੇ Azure OpenAI ਸਰੋਤ ਦੇ "Keys and Endpoint" ਭਾਗ 'ਤੇ ਜਾਓ ਅਤੇ "Key 1" ਮੁੱਲ ਨੂੰ ਕਾਪੀ ਕਰੋ।
ਹੁਣ ਜਦੋਂ ਤੁਹਾਡੇ ਕੋਲ ਇਹ ਜਾਣਕਾਰੀ ਕਾਪੀ ਹੋ ਗਈ ਹੈ, ਆਓ ਲਾਇਬ੍ਰੇਰੀਆਂ ਨੂੰ ਇਸਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਨਿਰਦੇਸ਼ ਦਿੰਦੇ ਹਾਂ।
Note
ਆਪਣੀ API ਕੁੰਜੀ ਨੂੰ ਆਪਣੇ ਕੋਡ ਤੋਂ ਵੱਖ ਰੱਖਣਾ ਮੁੱਲਵਾਨ ਹੈ। ਤੁਸੀਂ ਇਸਨੂੰ ਵਾਤਾਵਰਣ ਚਰਾਂ (environment variables) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕਰ ਸਕਦੇ ਹੋ।
- ਵਾਤਾਵਰਣ ਚਰ
OPENAI_API_KEYਨੂੰ ਆਪਣੀ API ਕੁੰਜੀ 'ਤੇ ਸੈੱਟ ਕਰੋ।export OPENAI_API_KEY='sk-...'
ਜੇ ਤੁਸੀਂ Azure OpenAI ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹੋ, ਤਾਂ ਇੱਥੇ ਹੈ ਕਿ ਤੁਸੀਂ ਕਿਵੇਂ ਕਨਫਿਗਰੇਸ਼ਨ ਸੈਟਅਪ ਕਰਦੇ ਹੋ:
openai.api_type = 'azure'
openai.api_key = os.environ["OPENAI_API_KEY"]
openai.api_version = '2023-05-15'
openai.api_base = os.getenv("API_BASE")ਉਪਰ ਅਸੀਂ ਹੇਠਾਂ ਦਿੱਤੇ ਸੈਟ ਕਰ ਰਹੇ ਹਾਂ:
api_typeਨੂੰazure'ਤੇ। ਇਹ ਲਾਇਬ੍ਰੇਰੀ ਨੂੰ ਦੱਸਦਾ ਹੈ ਕਿ Azure OpenAI ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਹੈ ਨਾ ਕਿ OpenAI ਦੀ।api_key, ਇਹ ਤੁਹਾਡੀ API ਕੁੰਜੀ ਹੈ ਜੋ Azure Portal ਵਿੱਚ ਮਿਲਦੀ ਹੈ।api_version, ਇਹ API ਦਾ ਵਰਜਨ ਹੈ ਜਿਸਦੀ ਤੁਸੀਂ ਵਰਤੋਂ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ। ਲਿਖਣ ਦੇ ਸਮੇਂ, ਨਵਾਂਤਮ ਵਰਜਨ2023-05-15ਹੈ।api_base, ਇਹ API ਦਾ ਐਂਡਪੌਇੰਟ ਹੈ। ਤੁਸੀਂ ਇਸਨੂੰ Azure Portal ਵਿੱਚ ਆਪਣੀ API ਕੁੰਜੀ ਦੇ ਨਾਲ ਲੱਭ ਸਕਦੇ ਹੋ।
[!NOTE] >
os.getenvਇੱਕ ਫੰਕਸ਼ਨ ਹੈ ਜੋ ਵਾਤਾਵਰਣ ਚਰਾਂ ਨੂੰ ਪੜ੍ਹਦਾ ਹੈ। ਤੁਸੀਂ ਇਸਦੀ ਵਰਤੋਂOPENAI_API_KEYਅਤੇAPI_BASEਵਰਗੇ ਵਾਤਾਵਰਣ ਚਰਾਂ ਨੂੰ ਪੜ੍ਹਨ ਲਈ ਕਰ ਸਕਦੇ ਹੋ। ਆਪਣੇ ਟਰਮੀਨਲ ਵਿੱਚ ਜਾਂdotenvਵਰਗੇ ਲਾਇਬ੍ਰੇਰੀ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਹ ਵਾਤਾਵਰਣ ਚਰਾਂ ਸੈਟ ਕਰੋ।
ਟੈਕਸਟ ਜਨਰੇਟ ਕਰਨ ਦਾ ਤਰੀਕਾ Completion ਕਲਾਸ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਹੈ। ਇੱਥੇ ਇੱਕ ਉਦਾਹਰਣ ਹੈ:
prompt = "Complete the following: Once upon a time there was a"
completion = openai.Completion.create(model="davinci-002", prompt=prompt)
print(completion.choices[0].text)ਉਪਰ ਦਿੱਤੇ ਕੋਡ ਵਿੱਚ, ਅਸੀਂ ਇੱਕ Completion ਆਬਜੈਕਟ ਬਣਾਉਂਦੇ ਹਾਂ ਅਤੇ ਮਾਡਲ ਅਤੇ ਪ੍ਰੋੰਪਟ ਪਾਸ ਕਰਦੇ ਹਾਂ। ਫਿਰ ਅਸੀਂ ਜਨਰੇਟ ਕੀਤਾ ਟੈਕਸਟ ਪ੍ਰਿੰਟ ਕਰਦੇ ਹਾਂ।
ਹੁਣ ਤੱਕ, ਤੁਸੀਂ ਦੇਖਿਆ ਹੈ ਕਿ ਅਸੀਂ ਟੈਕਸਟ ਜਨਰੇਟ ਕਰਨ ਲਈ Completion ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹਾਂ। ਪਰ ਇੱਕ ਹੋਰ ਕਲਾਸ ਹੈ ਜਿਸਨੂੰ ChatCompletion ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਜੋ ਚੈਟਬੋਟਸ ਲਈ ਜ਼ਿਆਦਾ ਉਚਿਤ ਹੈ। ਇੱਥੇ ਇਸਦੀ ਵਰਤੋਂ ਦੀ ਇੱਕ ਉਦਾਹਰਣ ਹੈ:
import openai
openai.api_key = "sk-..."
completion = openai.ChatCompletion.create(model="gpt-3.5-turbo", messages=[{"role": "user", "content": "Hello world"}])
print(completion.choices[0].message.content)ਇਸ ਫੰਕਸ਼ਨਾਲਿਟੀ ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ ਅਗਲੇ ਅਧਿਆਇ ਵਿੱਚ।
ਹੁਣ ਜਦੋਂ ਅਸੀਂ openai ਨੂੰ ਸੈਟਅਪ ਅਤੇ ਕਨਫਿਗਰ ਕਰਨ ਦਾ ਤਰੀਕਾ ਸਿੱਖ ਲਿਆ ਹੈ, ਤਾਂ ਆਪਣਾ ਪਹਿਲਾ ਟੈਕਸਟ ਜਨਰੇਸ਼ਨ ਐਪ ਬਣਾਉਣ ਦਾ ਸਮਾਂ ਹੈ। ਆਪਣਾ ਐਪ ਬਣਾਉਣ ਲਈ, ਹੇਠਾਂ ਦਿੱਤੇ ਕਦਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ:
-
ਇੱਕ ਵਰਚੁਅਲ ਵਾਤਾਵਰਣ ਬਣਾਓ ਅਤੇ openai ਇੰਸਟਾਲ ਕਰੋ:
python -m venv venv source venv/bin/activate pip install openai[!NOTE] ਜੇ ਤੁਸੀਂ Windows ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹੋ ਤਾਂ
venv\Scripts\activateਦੀ ਬਜਾਏsource venv/bin/activateਟਾਈਪ ਕਰੋ।[!NOTE] ਆਪਣੀ Azure OpenAI ਕੁੰਜੀ ਲੱਭੋ https://portal.azure.com/ 'ਤੇ ਜਾਓ ਅਤੇ
Open AIਦੀ ਖੋਜ ਕਰੋ ਅਤੇOpen AI resourceਚੁਣੋ ਅਤੇ ਫਿਰKeys and Endpointਚੁਣੋ ਅਤੇKey 1ਮੁੱਲ ਨੂੰ ਕਾਪੀ ਕਰੋ। -
ਇੱਕ app.py ਫਾਈਲ ਬਣਾਓ ਅਤੇ ਇਸ ਵਿੱਚ ਹੇਠਾਂ ਦਿੱਤਾ ਕੋਡ ਦਿਓ:
import openai openai.api_key = "<replace this value with your open ai key or Azure OpenAI key>" openai.api_type = 'azure' openai.api_version = '2023-05-15' openai.api_base = "<endpoint found in Azure Portal where your API key is>" deployment_name = "<deployment name>" # add your completion code prompt = "Complete the following: Once upon a time there was a" messages = [{"role": "user", "content": prompt}] # make completion completion = openai.chat.completions.create(model=deployment_name, messages=messages) # print response print(completion.choices[0].message.content)
[!NOTE] ਜੇ ਤੁਸੀਂ Azure OpenAI ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹੋ, ਤਾਂ ਤੁਹਾਨੂੰ
api_typeਨੂੰazure'ਤੇ ਸੈਟ ਕਰਨ ਦੀ ਲੋੜ ਹੈ ਅਤੇapi_keyਨੂੰ ਆਪਣੀ Azure OpenAI ਕੁੰਜੀ 'ਤੇ ਸੈਟ ਕਰਨ ਦੀ ਲੋੜ ਹੈ।ਤੁਹਾਨੂੰ ਹੇਠਾਂ ਦਿੱਤੇ ਵਰਗਾ ਨਤੀਜਾ ਦੇਖਣ ਨੂੰ ਮਿਲੇਗਾ:
very unhappy _____. Once upon a time there was a very unhappy mermaid.
ਹੁਣ ਤੁਸੀਂ ਦੇਖਿਆ ਹੈ ਕਿ ਪ੍ਰੋੰਪਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਟੈਕਸਟ ਕਿਵੇਂ ਜਨਰੇਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਤੁਹਾਡੇ ਕੋਲ ਇੱਕ ਪ੍ਰੋਗਰਾਮ ਹੈ ਜੋ ਚੱਲ ਰਿਹਾ ਹੈ ਜਿਸਨੂੰ ਤੁਸੀਂ ਸੋਧ ਅਤੇ ਬਦਲ ਸਕਦੇ ਹੋ ਤਾਂ ਕਿ ਵੱਖ-ਵੱਖ ਕਿਸਮ ਦੇ ਟੈਕਸਟ ਜਨਰੇਟ ਕੀਤੇ ਜਾ ਸਕਣ।
ਪ੍ਰੋੰਪਟਸ ਨੂੰ ਹਰ ਕਿਸਮ ਦੇ ਕੰਮਾਂ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਉਦਾਹਰਣ ਲਈ:
- ਟੈਕਸਟ ਦੀ ਕਿਸਮ ਜਨਰੇਟ ਕਰੋ। ਉਦਾਹਰਣ ਲਈ, ਤੁਸੀਂ ਇੱਕ ਕਵਿਤਾ, ਕਵਿਜ ਲਈ ਸਵਾਲ ਆਦਿ ਜਨਰੇਟ ਕਰ ਸਕਦੇ ਹੋ।
- ਜਾਣਕਾਰੀ ਲੱਭੋ। ਤੁਸੀਂ ਪ੍ਰੋੰਪਟਸ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਜਾਣਕਾਰੀ ਲੱਭ ਸਕਦੇ ਹੋ ਜਿਵੇਂ ਕਿ ਹੇਠਾਂ ਦਿੱਤਾ ਉਦਾਹਰਣ 'What does CORS mean in web development?'।
- ਕੋਡ ਜਨਰੇਟ ਕਰੋ। ਤੁਸੀਂ ਪ੍ਰੋੰਪਟਸ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੋਡ ਜਨਰੇਟ ਕਰ ਸਕਦੇ ਹੋ, ਉਦਾਹਰਣ ਲਈ, ਈਮੇਲਾਂ ਨੂੰ ਵੈਧ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਇੱਕ ਰੈਗੂਲਰ ਐਕਸਪ੍ਰੈਸ਼ਨ ਵਿਕਸਿਤ ਕਰਨਾ ਜਾਂ ਕਿਉਂ ਨਾ ਇੱਕ ਪੂਰਾ ਪ੍ਰੋਗਰਾਮ ਜਨਰੇਟ ਕਰਨਾ, ਜਿਵੇਂ ਕਿ ਇੱਕ ਵੈੱਬ ਐਪ?
old_prompt_result = completion.choices[0].message.content
prompt = "Produce a shopping list for the generated recipes and please don't include ingredients that I already have."
new_prompt = f"{old_prompt_result} {prompt}"
messages = [{"role": "user", "content": new_prompt}]
completion = openai.Completion.create(engine=deployment_name, messages=messages, max_tokens=1200)
# print response
print("Shopping list:")
print(completion.choices[0].message.content)ਹੇਠਾਂ ਦਿੱਤੇ ਬਿੰਦੂਆਂ ਨੂੰ ਨੋਟ ਕਰੋ:
-
ਅਸੀਂ ਪਹਿਲੇ ਪ੍ਰੋੰਪਟ ਦੇ ਨਤੀਜੇ ਨੂੰ ਨਵੇਂ ਪ੍ਰੋੰਪਟ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਕੇ ਇੱਕ ਨਵਾਂ ਪ੍ਰੋੰਪਟ ਤਿਆਰ ਕਰ ਰਹੇ ਹਾਂ:
new_prompt = f"{old_prompt_result} {prompt}"
-
ਅਸੀਂ ਇੱਕ ਨਵੀਂ ਬੇਨਤੀ ਕਰਦੇ ਹਾਂ, ਪਰ ਪਹਿਲੇ ਪ੍ਰੋੰਪਟ ਵਿੱਚ ਮੰਗੇ ਗਏ ਟੋਕਨ ਦੀ ਗਿਣਤੀ ਨੂੰ ਵੀ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਹਾਂ, ਇਸ ਲਈ ਇਸ ਵਾਰ ਅਸੀਂ
max_tokensਨੂੰ 1200 ਕਹਿੰਦੇ ਹਾਂ।completion = openai.Completion.create(engine=deployment_name, prompt=new_prompt, max_tokens=1200)
ਇਸ ਕੋਡ ਨੂੰ ਚਲਾਉਣ ਦੇ ਨਾਲ, ਅਸੀਂ ਹੁਣ ਹੇਠਾਂ ਦਿੱਤੇ ਨਤੀਜੇ 'ਤੇ ਪਹੁੰਚਦੇ ਹਾਂ:
No of recipes (for example, 5): 2 List of ingredients (for example, chicken, potatoes, and carrots): apple,flour Filter (for example, vegetarian, vegan, or gluten-free): sugar -Apple and flour pancakes: 1 cup flour, 1/2 tsp baking powder, 1/2 tsp baking soda, 1/4 tsp salt, 1 tbsp sugar, 1 egg, 1 cup buttermilk or sour milk, 1/4 cup melted butter, 1 Granny Smith apple, peeled and grated -Apple fritters: 1-1/2 cups flour, 1 tsp baking powder, 1/4 tsp salt, 1/4 tsp baking soda, 1/4 tsp nutmeg, 1/4 tsp cinnamon, 1/4 tsp allspice, 1/4 cup sugar, 1/4 cup vegetable shortening, 1/4 cup milk, 1 egg, 2 cups shredded, peeled apples Shopping list: -Flour, baking powder, baking soda, salt, sugar, egg, buttermilk, butter, apple, nutmeg, cinnamon, allspice
ਜੋ ਕੁਝ ਅਸੀਂ ਹੁਣ ਤੱਕ ਕੀਤਾ ਹੈ ਉਹ ਕੋਡ ਹੈ ਜੋ ਕੰਮ ਕਰਦਾ ਹੈ, ਪਰ ਕੁਝ ਸੁਧਾਰ ਹਨ ਜੋ ਅਸੀਂ ਚੀਜ਼ਾਂ ਨੂੰ ਹੋਰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਕਰਨੇ ਚਾਹੀਦੇ ਹਨ। ਕੁਝ ਚੀਜ਼ਾਂ ਜੋ ਅਸੀਂ ਕਰ ਸਕਦੇ ਹਾਂ:
-
ਰਹੱਸਾਂ ਨੂੰ ਕੋਡ ਤੋਂ ਵੱਖ ਕਰੋ, ਜਿਵੇਂ ਕਿ API ਕੁੰਜੀ। ਰਹੱਸਾਂ ਨੂੰ ਕੋਡ ਵਿੱਚ ਨਹੀਂ ਰੱਖਣਾ ਚਾਹੀਦਾ ਅਤੇ ਇਹਨਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਸਥਾਨ ਵਿੱਚ ਸਟੋਰ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਰਹੱਸਾਂ ਨੂੰ ਕੋਡ ਤੋਂ ਵੱਖ ਕਰਨ ਲਈ, ਅਸੀਂ ਵਾਤਾਵਰਣ ਵੈਰੀਏਬਲ ਅਤੇ
python-dotenvਵਰਗੀਆਂ ਲਾਇਬ੍ਰੇਰੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਾਂ ਜੋ ਇਹਨਾਂ ਨੂੰ ਫਾਈਲ ਤੋਂ ਲੋਡ ਕਰ ਸਕਦੇ ਹਨ। ਇਹ ਕੋਡ ਵਿੱਚ ਇਸ ਤਰ੍ਹਾਂ ਲੱਗੇਗਾ:-
.envਫਾਈਲ ਬਣਾਓ ਜਿਸ ਵਿੱਚ ਹੇਠਾਂ ਦਿੱਤਾ ਸਮੱਗਰੀ ਹੋਵੇ:OPENAI_API_KEY=sk-...
ਨੋਟ ਕਰੋ, Azure ਲਈ, ਤੁਹਾਨੂੰ ਹੇਠਾਂ ਦਿੱਤੇ ਵਾਤਾਵਰਣ ਵੈਰੀਏਬਲ ਸੈਟ ਕਰਨ ਦੀ ਲੋੜ ਹੈ:
OPENAI_API_TYPE=azure OPENAI_API_VERSION=2023-05-15 OPENAI_API_BASE=<replace>
ਕੋਡ ਵਿੱਚ, ਤੁਸੀਂ ਵਾਤਾਵਰਣ ਵੈਰੀਏਬਲ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਲੋਡ ਕਰੋਗੇ:
from dotenv import load_dotenv load_dotenv() openai.api_key = os.environ["OPENAI_API_KEY"]
-
-
ਟੋਕਨ ਦੀ ਲੰਬਾਈ ਬਾਰੇ ਇੱਕ ਗੱਲ। ਅਸੀਂ ਇਹ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਸਾਨੂੰ ਉਹ ਟੈਕਸਟ ਤਿਆਰ ਕਰਨ ਲਈ ਕਿੰਨੇ ਟੋਕਨ ਦੀ ਲੋੜ ਹੈ ਜੋ ਅਸੀਂ ਚਾਹੁੰਦੇ ਹਾਂ। ਟੋਕਨ ਪੈਸੇ ਖਰਚਦੇ ਹਨ, ਇਸ ਲਈ ਜਿੱਥੇ ਸੰਭਵ ਹੋਵੇ, ਅਸੀਂ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਟੋਕਨ ਦੀ ਗਿਣਤੀ ਵਿੱਚ ਕਿਫਾਇਤੀ ਹੋਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ। ਉਦਾਹਰਣ ਲਈ, ਕੀ ਅਸੀਂ ਪ੍ਰੋੰਪਟ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਫਰੇਜ਼ ਕਰ ਸਕਦੇ ਹਾਂ ਕਿ ਅਸੀਂ ਘੱਟ ਟੋਕਨ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕੀਏ?
ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਟੋਕਨ ਨੂੰ ਬਦਲਣ ਲਈ, ਤੁਸੀਂ
max_tokensਪੈਰਾਮੀਟਰ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ। ਉਦਾਹਰਣ ਲਈ, ਜੇ ਤੁਸੀਂ 100 ਟੋਕਨ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਇਹ ਕਰੋਗੇ:completion = client.chat.completions.create(model=deployment, messages=messages, max_tokens=100)
-
ਤਾਪਮਾਨ ਨਾਲ ਪ੍ਰਯੋਗ ਕਰਨਾ। ਤਾਪਮਾਨ ਇੱਕ ਅਹਿਮ ਸੰਦਰਭ ਹੈ ਜੋ ਅਸੀਂ ਹੁਣ ਤੱਕ ਨਹੀਂ ਜ਼ਿਕਰ ਕੀਤਾ ਹੈ ਪਰ ਇਹ ਸਾਡੇ ਪ੍ਰੋਗਰਾਮ ਦੇ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕੇ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਤਾਪਮਾਨ ਦਾ ਮੁੱਲ ਜਿੰਨਾ ਵੱਧ ਹੋਵੇਗਾ, ਨਤੀਜਾ ਉਤਨਾ ਹੀ ਬੇਤਰਤੀਬ ਹੋਵੇਗਾ। ਇਸਦੇ ਉਲਟ, ਜੇ ਤਾਪਮਾਨ ਦਾ ਮੁੱਲ ਘੱਟ ਹੋਵੇਗਾ ਤਾਂ ਨਤੀਜਾ ਜ਼ਿਆਦਾ ਅਨੁਮਾਨਯੋਗ ਹੋਵੇਗਾ। ਇਹ ਵਿਚਾਰ ਕਰੋ ਕਿ ਕੀ ਤੁਸੀਂ ਆਪਣੇ ਨਤੀਜੇ ਵਿੱਚ ਵੱਖ-ਵੱਖਤਾ ਚਾਹੁੰਦੇ ਹੋ ਜਾਂ ਨਹੀਂ।
ਤਾਪਮਾਨ ਨੂੰ ਬਦਲਣ ਲਈ, ਤੁਸੀਂ
temperatureਪੈਰਾਮੀਟਰ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ। ਉਦਾਹਰਣ ਲਈ, ਜੇ ਤੁਸੀਂ 0.5 ਦਾ ਤਾਪਮਾਨ ਵਰਤਣਾ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਇਹ ਕਰੋਗੇ:completion = client.chat.completions.create(model=deployment, messages=messages, temperature=0.5)
ਨੋਟ ਕਰੋ, 1.0 ਦੇ ਨੇੜੇ, ਨਤੀਜਾ ਜ਼ਿਆਦਾ ਵੱਖ-ਵੱਖ ਹੋਵੇਗਾ।
ਇਸ ਅਸਾਈਨਮੈਂਟ ਲਈ, ਤੁਸੀਂ ਕੀ ਬਣਾਉਣਾ ਹੈ, ਚੁਣ ਸਕਦੇ ਹੋ।
ਇੱਥੇ ਕੁਝ ਸੁਝਾਅ ਹਨ:
- ਰੈਸਿਪੀ ਜਨਰੇਟਰ ਐਪ ਨੂੰ ਹੋਰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਇਸ ਵਿੱਚ ਸੁਧਾਰ ਕਰੋ। ਤਾਪਮਾਨ ਦੇ ਮੁੱਲਾਂ ਅਤੇ ਪ੍ਰੋੰਪਟਾਂ ਨਾਲ ਖੇਡੋ ਅਤੇ ਵੇਖੋ ਕਿ ਤੁਸੀਂ ਕੀ ਬਣਾਉਣ ਵਿੱਚ ਸਫਲ ਹੋ ਸਕਦੇ ਹੋ।
- "ਸਟਡੀ ਬੱਡੀ" ਬਣਾਓ। ਇਹ ਐਪ ਕਿਸੇ ਵਿਸ਼ੇ ਬਾਰੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਉਦਾਹਰਣ ਲਈ, Python ਬਾਰੇ, ਤੁਸੀਂ ਪ੍ਰੋੰਪਟ ਦੇ ਸਕਦੇ ਹੋ ਜਿਵੇਂ "Python ਵਿੱਚ ਇੱਕ ਖਾਸ ਵਿਸ਼ੇ ਕੀ ਹੈ?", ਜਾਂ ਤੁਸੀਂ ਇੱਕ ਪ੍ਰੋੰਪਟ ਦੇ ਸਕਦੇ ਹੋ ਜੋ ਕਹਿੰਦਾ ਹੈ, ਮੈਨੂੰ ਇੱਕ ਖਾਸ ਵਿਸ਼ੇ ਲਈ ਕੋਡ ਦਿਖਾਓ ਆਦਿ।
- ਇਤਿਹਾਸ ਬੋਟ, ਇਤਿਹਾਸ ਨੂੰ ਜ਼ਿੰਦਾ ਕਰੋ, ਬੋਟ ਨੂੰ ਇੱਕ ਖਾਸ ਇਤਿਹਾਸਕ ਪਾਤਰ ਬਣਨ ਲਈ ਕਹੋ ਅਤੇ ਇਸਦੇ ਜੀਵਨ ਅਤੇ ਸਮੇਂ ਬਾਰੇ ਸਵਾਲ ਪੁੱਛੋ।
ਹੇਠਾਂ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਪ੍ਰੋੰਪਟ ਹੈ, ਵੇਖੋ ਕਿ ਤੁਸੀਂ ਇਸਨੂੰ ਕਿਵੇਂ ਵਰਤ ਸਕਦੇ ਹੋ ਅਤੇ ਇਸਨੂੰ ਆਪਣੇ ਪਸੰਦ ਦੇ ਅਨੁਸਾਰ ਕਿਵੇਂ ਬਦਲ ਸਕਦੇ ਹੋ।
- "You're an expert on the Python language
Suggest a beginner lesson for Python in the following format:
Format:
- concepts:
- brief explanation of the lesson:
- exercise in code with solutions"
ਇੱਥੇ ਕੁਝ ਪ੍ਰੋੰਪਟ ਹਨ ਜੋ ਤੁਸੀਂ ਵਰਤ ਸਕਦੇ ਹੋ:
- "You are Abe Lincoln, tell me about yourself in 3 sentences, and respond using grammar and words like Abe would have used"
- "You are Abe Lincoln, respond using grammar and words like Abe would have used:
Tell me about your greatest accomplishments, in 300 words"
ਤਾਪਮਾਨ ਦਾ ਸੰਕਲਪ ਕੀ ਕਰਦਾ ਹੈ?
- ਇਹ ਨਤੀਜੇ ਨੂੰ ਕਿੰਨਾ ਬੇਤਰਤੀਬ ਬਣਾਉਂਦਾ ਹੈ।
- ਇਹ ਜਵਾਬ ਦੇ ਆਕਾਰ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦਾ ਹੈ।
- ਇਹ ਵਰਤੇ ਗਏ ਟੋਕਨ ਦੀ ਗਿਣਤੀ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦਾ ਹੈ।
ਅਸਾਈਨਮੈਂਟ 'ਤੇ ਕੰਮ ਕਰਦੇ ਸਮੇਂ, ਤਾਪਮਾਨ ਵਿੱਚ ਵੱਖ-ਵੱਖਤਾ ਲਿਆਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ, ਇਸਨੂੰ 0, 0.5, ਅਤੇ 1 'ਤੇ ਸੈਟ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ। ਯਾਦ ਰੱਖੋ ਕਿ 0 ਸਭ ਤੋਂ ਘੱਟ ਵੱਖ-ਵੱਖਤਾ ਹੈ ਅਤੇ 1 ਸਭ ਤੋਂ ਵੱਧ ਹੈ। ਕਿਹੜਾ ਮੁੱਲ ਤੁਹਾਡੇ ਐਪ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਕੰਮ ਕਰਦਾ ਹੈ?
ਇਹ ਪਾਠ ਪੂਰਾ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਸਾਡੇ Generative AI Learning collection ਨੂੰ ਚੈੱਕ ਕਰੋ ਤਾਂ ਜੋ ਤੁਸੀਂ ਆਪਣੀ Generative AI ਦੀ ਜਾਣਕਾਰੀ ਨੂੰ ਹੋਰ ਵਧਾ ਸਕੋ!
ਪਾਠ 7 'ਤੇ ਜਾਓ ਜਿੱਥੇ ਅਸੀਂ ਵੇਖਾਂਗੇ ਕਿ ਕਿਵੇਂ ਚੈਟ ਐਪਲੀਕੇਸ਼ਨ ਬਣਾਉਣੀਆਂ ਹਨ!
ਅਸਵੀਕਰਤਾ:
ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀ ਹੋਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁੱਤੀਆਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਇਸ ਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਮੂਲ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਅਧਿਕਾਰਤ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆ ਲਈ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।