लैंगचेन में लंबाई-आधारित उदाहरण चयनकर्ता का उपयोग कैसे करें?

Laingacena Mem Lamba I Adharita Udaharana Cayanakarta Ka Upayoga Kaise Karem



लैंगचेन का उपयोग प्राकृतिक भाषा मॉडल बनाने के लिए किया जाता है जिसका उपयोग मनुष्यों के साथ उनकी भाषा जैसे अंग्रेजी आदि में बातचीत करने के लिए किया जा सकता है। डेवलपर इन मॉडलों को प्रशिक्षित करने के लिए कई डेटासेट या उदाहरण डेटा का उपयोग करता है, और इन सभी उदाहरणों का उपयोग करना संभव नहीं है समय। इसलिए, उदाहरण चयनकर्ताओं का उपयोग कई कारकों के आधार पर डेटासेट या उदाहरण को चुनने के लिए किया जाता है और लंबाई इन चयनकर्ताओं में से एक है।

यह पोस्ट लैंगचेन में लंबाई-दर-लंबाई उदाहरण चयनकर्ता का उपयोग करने की प्रक्रिया को प्रदर्शित करेगी।

लैंगचेन में लंबाई-आधारित उदाहरण चयनकर्ता का उपयोग कैसे करें?

उदाहरण चयनकर्ताओं का उपयोग मॉडलों को प्रशिक्षित करने के लिए उपयोग किए जाने वाले डेटा या उदाहरणों का चयन करने के लिए किया जाता है। लंबाई-आधारित इन उदाहरणों को उनकी लंबाई का उपयोग करके चुनने की प्रक्रिया है। चयन-दर-लंबाई उदाहरण का उपयोग अधिकतर तब किया जाता है जब प्रॉम्प्ट की लंबाई संदर्भ की लंबाई से अधिक हो जाती है।







लैंगचेन में चयन-दर-लंबाई उदाहरण चयनकर्ता का उपयोग करने का तरीका जानने के लिए, बस निम्नलिखित मार्गदर्शिका देखें:



चरण 1: लैंगचेन स्थापित करें



सबसे पहले, लैंगचेन फ्रेमवर्क स्थापित करके चयन-दर-लंबाई उदाहरण चयनकर्ता का उपयोग करने की प्रक्रिया शुरू करें:





पाइप लैंगचैन स्थापित करें

चरण 2: उदाहरण चयनकर्ता का निर्माण



उसके बाद, उदाहरण चयनकर्ता को कई उदाहरणों और विधियों जैसे 'के साथ कॉन्फ़िगर करने के लिए बस पुस्तकालयों को आयात करें example_prompt ', ' उदाहरण_चयनकर्ता ', और ' गतिशील_प्रॉम्प्ट ”:

से लैंगचैन. संकेतों आयात संकेत टेम्पलेट
से लैंगचैन. संकेतों आयात फ्यूशॉटप्रॉम्प्टटेम्पलेट
से लैंगचैन. संकेतों . उदाहरण_चयनकर्ता आयात लंबाई आधारित उदाहरण चयनकर्ता

उदाहरण = [
{ 'पाना' : 'छोटा' , 'डाक' : 'बड़ा' } ,
{ 'पाना' : 'घृणा' , 'डाक' : 'प्यार' } ,
{ 'पाना' : 'बीमार' , 'डाक' : 'कुंआ' } ,
{ 'पाना' : 'सिकुड़ना' , 'डाक' : 'बढ़ना' } ,
{ 'पाना' : 'कोमल' , 'डाक' : 'मुश्किल' } ,
]
example_prompt = संकेत टेम्पलेट (
इनपुट_चर = [ 'पाना' , 'डाक' ] ,
खाका = 'इनपुट: {प्राप्त करें} \एन आउटपुट: {पोस्ट}' ,
)
# क्वेरी की अधिकतम लंबाई प्रदान या सीमित करके लंबाई-आधारित उदाहरण चयनकर्ता को कॉन्फ़िगर करें
उदाहरण_चयनकर्ता = लंबाई आधारित उदाहरण चयनकर्ता (
उदाहरण = उदाहरण ,
example_prompt = example_prompt ,
अधिकतम लंबाई = 25 ,
)
# क्वेरी का टेम्प्लेट सेट करने के लिए फ्यूशॉटप्रॉम्पटेम्पलेट() विधि का उपयोग करके डायनामिक_प्रॉम्प्ट कॉन्फ़िगर करें
गतिशील_प्रॉम्प्ट = फ्यूशॉटप्रॉम्प्टटेम्पलेट (
उदाहरण_चयनकर्ता = उदाहरण_चयनकर्ता ,
example_prompt = example_prompt ,
उपसर्ग = 'मैं प्रत्येक वस्तु का विलोम शब्द प्राप्त करना चाहता हूँ' ,
प्रत्यय = 'प्रश्न: {शैली} \एन प्रतिक्रिया:' ,
इनपुट_चर = [ 'शैली' ] ,
)

चरण 3: छोटे इनपुट का उपयोग करना

अब, स्क्रीन पर टेम्पलेट निकालने के लिए केवल एक शब्द के छोटे संकेत का उपयोग करके उदाहरण चयनकर्ता का परीक्षण करें:

छपाई ( गतिशील_प्रॉम्प्ट. प्रारूप ( शैली = 'बड़ा' ) )

चरण 4: लंबे इनपुट का उपयोग करना

उसके बाद, बस एक बड़े प्रॉम्प्ट या एकाधिक शब्दों वाली क्वेरी का उपयोग करें और इसे “ long_string ' चर:

long_string = 'बड़ा और विशाल और विशाल और बड़ा और विशाल और लंबा और हर दूसरे प्रश्न से अधिक बड़ा'
छपाई ( गतिशील_प्रॉम्प्ट. प्रारूप ( शैली = long_string ) )

चरण 5: उदाहरण चयनकर्ता में उदाहरण जोड़ना

अगले चरण का उपयोग डायनामिक_प्रोम्प्ट() विधि का उपयोग करके उदाहरण चयनकर्ता में उदाहरण जोड़ने के लिए किया जाता है:

new_example = { 'पाना' : 'बड़ा' , 'डाक' : 'छोटा' }
गतिशील_प्रॉम्प्ट. उदाहरण_चयनकर्ता . add_example ( new_example )
छपाई ( गतिशील_प्रॉम्प्ट. प्रारूप ( शैली = 'उत्साही' ) )

यह सब लैंगचेन में लंबाई-आधारित उदाहरण चयनकर्ता का उपयोग करने के बारे में है।

निष्कर्ष

लैंगचेन में चयन-दर-लंबाई उदाहरण चयनकर्ता का उपयोग करने के लिए, उदाहरण चयनकर्ता के निर्माण के लिए पुस्तकालयों को आयात करने के लिए लैंगचेन फ्रेमवर्क स्थापित करें। उसके बाद, लंबाई-आधारित उदाहरण चयनकर्ता का उपयोग करके आउटपुट की जांच करने के लिए एक छोटे प्रॉम्प्ट का उपयोग करें, और फिर सबसे उपयुक्त उदाहरण प्राप्त करने के लिए एक लंबे प्रॉम्प्ट का उपयोग करें। उपयोगकर्ता डायनामिक_प्रोम्प्ट() विधि का उपयोग करके इसमें एक और उदाहरण जोड़ने के लिए उदाहरण चयनकर्ता का भी उपयोग कर सकता है। इस पोस्ट में लैंगचेन में लंबाई-दर-लंबाई उदाहरण चयनकर्ता का उपयोग करने की प्रक्रिया का वर्णन किया गया है।