【书生大模型实战营】Python 前置基础

Conda 虚拟环境相关命令

conda 是一个很强大的工具，可以进行python的虚拟环境管理/第三方包管理。
在使用conda命令之前，需要确保电脑环境中安装了Anaconda/Miniconda，如果不知道怎么安装请自行搜索，或者问问你喜欢的大模型。
安装好后可以在终端中输入conda 命令然后按回车，或者conda --help 查看更多的帮助。

创建新环境

conda create --name myenv

激活虚拟环境

conda activate myenv

退出虚拟环境

conda deactivate

其它常见命令

#查看当前设备上所有的虚拟环境
conda env list
#查看当前环境中安装了的所有包
conda list
#删除环境（比如要删除myenv）
conda env remove myenv

安装Python第三方依赖包

使用pip安装

pip install <你想安装的包名>

使用 conda 安装

conda install <你想安装的包名>

例如安装现在比较流行的python http 请求包：

pip install httpx

安装requirements.txt

pip install -r requirements.txt

使用Vscode 连接开发机进行Python程序Debug

安装python扩展
点击vscode左侧栏的插件图标->在搜索框内输入python然后回车->点击搜索结果的第一个->点击右侧插件详情的安装
配置调试
打开需要调试的python文件->点击左侧栏的调试图标->点击“创建launch.json文件”->在弹出框内选择Python Debugger

在接下来的弹出框内选择“Python文件”

就会看到vscode帮忙创建的launch.json
设置断点
回到需要调试的python文件，为需要调试的一行或者多行设置断点，在debug模式下，程序运行到断点处就会自动暂停
启动调试
设置好断点后，就可以点击左侧的绿色播放按钮启动调试
查看变量
启动调试后，就可以在左侧查看变量
单步执行代码

1、跳到下一个断点
2、跳到下一行
3、如果当前行是准备执行某个函数则跳进这个函数，否则跳到下一行
4、跳出当前函数
5、重启调试
6、停止调试

7.条件断点

表达式
表达式断点在表达式为真时程序才会暂停
在添加了一个普通断点之后再鼠标右键这个断点->点击编辑断点->表达式即可添加

在这里插入图片描述

添加好断点之后，再启动调试就会看到程序会运行到i = 9时才会暂停
2. 触发计数
在编辑断点的时候选择触发计数，填入计数

可以看到程序在i = 5时会暂停，因为触发计数填的是5
4. 记录日志

编辑断点->选择日志消息->输入日志消息使用 {}将变量括起来以输出改变量
在这里插入图片描述
启动调试即可在调试控制台看到日志消息

Python调用InternLM api

申请API Token

打开书生-浦语大模型接口文档
点击API Tokens
再点击Create API Token
将创建的API Token 放到开发机环境变量中

export API_KEY=<YOUR API KEY>

或者写到 ~/.bashrc中进行永久保存，再source ~/.bashrc读取到环境变量中
你也可以使用echo命令来确认你的环境变量中是否有API_KEY

echo $API_KEY

如果输出结果是你的API_KEY就ok啦

安装依赖包

在开发机终端中执行以下命令

pip install openai

运行代码

将以下代码保存到开发机中命名为intern_lm_api.py

#./internlm_test.py
from openai import OpenAI
import os
def internlm_gen(prompt,client):'''LLM生成函数Param prompt: prompt stringParam client: OpenAI client '''response = client.chat.completions.create(model="internlm2.5-latest",messages=[{"role": "user", "content": prompt},],stream=False)return response.choices[0].message.contentapi_key = os.getenv('API_KEY')
#api_key = "" #也可以明文写在代码内，不推荐
client = OpenAI(base_url="https://internlm-chat.intern-ai.org.cn/puyu/api/v1/",api_key=api_key)
prompt = '''你好！你是谁？'''
response = internlm_gen(prompt,client)
print(response)

python intern_lm_api.py

在这里插入图片描述
你可以可以尝试修改代码中的提示词以获得不同的大模型结果

关卡任务

任务一

算法题判断 ransomNote 是否能由magazine的字符组成，且magazine中的每个字符只能用一次。解题思路就是遍历ransomNote 中的每个字符是否都在magazine中，只要有一个不存在就返回False。为了满足每个在magazine中的字符只能使用一次，需要在每次用过后将其从magazine中移除。
Leetcode383
在这里插入图片描述

任务二

调试如下代码

from openai import OpenAIimport json
import os
def internlm_gen(prompt,client):'''LLM生成函数Param prompt: prompt stringParam client: OpenAI client '''response = client.chat.completions.create(model="internlm2.5-latest",messages=[{"role": "user", "content": prompt},],stream=False)return response.choices[0].message.contentapi_key = os.getenv('API_KEY')
client = OpenAI(base_url="https://internlm-chat.intern-ai.org.cn/puyu/api/v1/",api_key=api_key)content = """
书生浦语InternLM2.5是上海人工智能实验室于2024年7月推出的新一代大语言模型，提供1.8B、7B和20B三种参数版本，以适应不同需求。
该模型在复杂场景下的推理能力得到全面增强，支持1M超长上下文，能自主进行互联网搜索并整合信息。
"""
prompt = f"""
请帮我从以下``内的这段模型介绍文字中提取关于该模型的信息，要求包含模型名字、开发机构、提供参数版本、上下文长度四个内容，以json格式返回。
`{content}`
"""
res = internlm_gen(prompt,client)
res_json = json.loads(res)
print(res_json)

直接运行就会有如下报错：
在这里插入图片描述
使用vscode运行时遇到报错vscode也为我们自动暂停到报错的那一行代码（32行），仔细查看报错就可以发现是Json解析出错了，一般这种报错都是解析的文本不符合json格式导致的。这时候就可以去查看res这个被json.loads的变量的内容：
在这里插入图片描述
果然一看，艾嘛介不是markdown格式的文本嘛。
要解决这个问题，只需把markdown代码块语法去除即可，加上以下这个两行代码:

加上后程序就可以正常输出啦：

再贴上解决后的代码：

from openai import OpenAIimport json
import os
def internlm_gen(prompt,client):'''LLM生成函数Param prompt: prompt stringParam client: OpenAI client '''response = client.chat.completions.create(model="internlm2.5-latest",messages=[{"role": "user", "content": prompt},],stream=False)return response.choices[0].message.contentapi_key = os.getenv('API_KEY')
client = OpenAI(base_url="https://internlm-chat.intern-ai.org.cn/puyu/api/v1/",api_key=api_key)content = """
书生浦语InternLM2.5是上海人工智能实验室于2024年7月推出的新一代大语言模型，提供1.8B、7B和20B三种参数版本，以适应不同需求。
该模型在复杂场景下的推理能力得到全面增强，支持1M超长上下文，能自主进行互联网搜索并整合信息。
"""
prompt = f"""
请帮我从以下``内的这段模型介绍文字中提取关于该模型的信息，要求包含模型名字、开发机构、提供参数版本、上下文长度四个内容，以json格式返回。
`{content}`
"""
res = internlm_gen(prompt,client)
res = res.replace("```json", "")
res = res.replace("```", "")
res_json = json.loads(res)
print(res_json)