Skip to content

ClasCat® AI Research

クラスキャット – 生成 AI, AI エージェント, MCP

Menu
  • ホーム
    • ClassCat® AI Research ホーム
    • クラスキャット・ホーム
  • OpenAI API
    • OpenAI Python ライブラリ 1.x : 概要
    • OpenAI ブログ
      • GPT の紹介
      • GPT ストアの紹介
      • ChatGPT Team の紹介
    • OpenAI platform 1.x
      • Get Started : イントロダクション
      • Get Started : クイックスタート (Python)
      • Get Started : クイックスタート (Node.js)
      • Get Started : モデル
      • 機能 : 埋め込み
      • 機能 : 埋め込み (ユースケース)
      • ChatGPT : アクション – イントロダクション
      • ChatGPT : アクション – Getting started
      • ChatGPT : アクション – アクション認証
    • OpenAI ヘルプ : ChatGPT
      • ChatGPTとは何ですか?
      • ChatGPT は真実を語っていますか?
      • GPT の作成
      • GPT FAQ
      • GPT vs アシスタント
      • GPT ビルダー
    • OpenAI ヘルプ : ChatGPT > メモリ
      • FAQ
    • OpenAI ヘルプ : GPT ストア
      • 貴方の GPT をフィーチャーする
    • OpenAI Python ライブラリ 0.27 : 概要
    • OpenAI platform
      • Get Started : イントロダクション
      • Get Started : クイックスタート
      • Get Started : モデル
      • ガイド : GPT モデル
      • ガイド : 画像生成 (DALL·E)
      • ガイド : GPT-3.5 Turbo 対応 微調整
      • ガイド : 微調整 1.イントロダクション
      • ガイド : 微調整 2. データセットの準備 / ケーススタディ
      • ガイド : 埋め込み
      • ガイド : 音声テキスト変換
      • ガイド : モデレーション
      • ChatGPT プラグイン : イントロダクション
    • OpenAI Cookbook
      • 概要
      • API 使用方法 : レート制限の操作
      • API 使用方法 : tiktoken でトークンを数える方法
      • GPT : ChatGPT モデルへの入力をフォーマットする方法
      • GPT : 補完をストリームする方法
      • GPT : 大規模言語モデルを扱う方法
      • 埋め込み : 埋め込みの取得
      • GPT-3 の微調整 : 分類サンプルの微調整
      • DALL-E : DALL·E で 画像を生成して編集する方法
      • DALL·E と Segment Anything で動的マスクを作成する方法
      • Whisper プロンプティング・ガイド
  • Gemini API
    • Tutorials : クイックスタート with Python (1) テキスト-to-テキスト生成
    • (2) マルチモーダル入力 / 日本語チャット
    • (3) 埋め込みの使用
    • (4) 高度なユースケース
    • クイックスタート with Node.js
    • クイックスタート with Dart or Flutter (1) 日本語動作確認
    • Gemma
      • 概要 (README)
      • Tutorials : サンプリング
      • Tutorials : KerasNLP による Getting Started
  • Keras 3
    • 新しいマルチバックエンド Keras
    • Keras 3 について
    • Getting Started : エンジニアのための Keras 入門
    • Google Colab 上のインストールと Stable Diffusion デモ
    • コンピュータビジョン – ゼロからの画像分類
    • コンピュータビジョン – 単純な MNIST convnet
    • コンピュータビジョン – EfficientNet を使用した微調整による画像分類
    • コンピュータビジョン – Vision Transformer による画像分類
    • コンピュータビジョン – 最新の MLPモデルによる画像分類
    • コンピュータビジョン – コンパクトな畳込み Transformer
    • Keras Core
      • Keras Core 0.1
        • 新しいマルチバックエンド Keras (README)
        • Keras for TensorFlow, JAX, & PyTorch
        • 開発者ガイド : Getting started with Keras Core
        • 開発者ガイド : 関数型 API
        • 開発者ガイド : シーケンシャル・モデル
        • 開発者ガイド : サブクラス化で新しい層とモデルを作成する
        • 開発者ガイド : 独自のコールバックを書く
      • Keras Core 0.1.1 & 0.1.2 : リリースノート
      • 開発者ガイド
      • Code examples
      • Keras Stable Diffusion
        • 概要
        • 基本的な使い方 (テキスト-to-画像 / 画像-to-画像変換)
        • 混合精度のパフォーマンス
        • インペインティングの簡易アプリケーション
        • (参考) KerasCV – Stable Diffusion を使用した高性能画像生成
  • TensorFlow
    • TF 2 : 初級チュートリアル
    • TF 2 : 上級チュートリアル
    • TF 2 : ガイド
    • TF 1 : チュートリアル
    • TF 1 : ガイド
  • その他
    • 🦜️🔗 LangChain ドキュメント / ユースケース
    • Stable Diffusion WebUI
      • Google Colab で Stable Diffusion WebUI 入門
      • HuggingFace モデル / VAE の導入
      • LoRA の利用
    • Diffusion Models / 拡散モデル
  • クラスキャット
    • 会社案内
    • お問合せ
    • Facebook
    • ClassCat® Blog
Menu

OpenAI platform : Get Started : クイックスタート

Posted on 07/23/2023 by Sales Information

OpenAI platform : Get Started : クイックスタート (翻訳/解説)

翻訳 : (株)クラスキャット セールスインフォメーション
作成日時 : 07/22/2023

* 本ページは、以下のドキュメントを翻訳した上で適宜、補足説明したものです:

  • Get Started : Quickstart

* サンプルコードの動作確認はしておりますが、必要な場合には適宜、追加改変しています。
* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。

 

クラスキャット 人工知能 研究開発支援サービス

◆ クラスキャット は人工知能・テレワークに関する各種サービスを提供しています。お気軽にご相談ください :

  • 人工知能研究開発支援
    1. 人工知能研修サービス(経営者層向けオンサイト研修)
    2. テクニカルコンサルティングサービス
    3. 実証実験(プロトタイプ構築)
    4. アプリケーションへの実装

  • 人工知能研修サービス

  • PoC(概念実証)を失敗させないための支援
◆ 人工知能とビジネスをテーマに WEB セミナーを定期的に開催しています。スケジュール。
  • お住まいの地域に関係なく Web ブラウザからご参加頂けます。事前登録 が必要ですのでご注意ください。

◆ お問合せ : 本件に関するお問い合わせ先は下記までお願いいたします。

  • 株式会社クラスキャット セールス・マーケティング本部 セールス・インフォメーション
  • sales-info@classcat.com  ;  Web: www.classcat.com  ;   ClassCatJP

 

OpenAI platform : Get Started : クイックスタート

OpenAI は最先端の言語モデルを訓練してきました、これはテキストの理解と生成に非常に優れています。私たちの API はこれらのモデルへのアクセスを提供し、言語処理を伴う事実上、任意のタスクを解くために利用できます。

このクイックスタート・チュートリアルでは、単純なサンプルアプリケーションを構築します。流れに沿って、任意のタスクに対して API を使用する基礎となる主要概念やテクニックを学習します、以下を含みます :

  • コンテンツ生成
  • 要約
  • 分類、カテゴリー化、そしてセンチメント分析
  • データ抽出
  • 翻訳
  • Many more!

 

イントロダクション

補完 (completions) エンドポイントは私たちの API のコアで、非常に柔軟で強力な単純なインターフェイスを提供しています。プロンプト としてあるテキストを入力すると、API は貴方がそれに与えたインストラクション (instructions) やコンテキストが何であれ適合を試みたテキスト 補完 を返します。

(Prompt) Write a tagline for an ice cream shop.
(Completion) We serve up smiles with every scoop!

これを非常に高度なオートコンプリートとして考えることができます — モデルはテキストプロンプトを処理して次に最も来そうなものを予測しようとします。

 

インストラクションから始める

ペット名 generator を作成したいと想像してください。ゼロから名前を考え出すのは困難です!

最初に、貴方が望むものを明確にするプロンプトを必要とします。インストラクションから始めましょう。このプロンプトを送信 (submit) して 最初の補完を生成します。

Suggest one name for a horse.
Lightning

悪くはありません!次に、インストラクションをより具体的にしてみましょう。

Suggest one name for a black horse.
Midnight

ご覧のように、プロンプトへの単純な形容詞の追加は結果としての補完を変化させます。プロンプトの設計は本質的にはモデルをどのように「プログラム」するかです。

 

幾つかのサンプルの追加

良いインストラクションの巧妙な作成は良い結果を得るために重要ですが、それらは十分でない場合があります。インストラクションをより複雑にしてみましょう。

Suggest three names for a horse that is a superhero.
1. Super Stallion
2. Captain Colt
3. Mighty Mustang

この補完は私たちが望むものでは全くありません。これらの名前は非常に一般的で、モデルはインストラクションの horse の部分を拾い上げていないようです。より関連性のある提案を考え出させることができるか見ましょう。

多くの場合、貴方が望むことをモデルに見せて伝えることは役立ちます。プロンプトへのサンプルの追加はパターンやニュアンスを伝えるのに役立つ可能性があります。2, 3 の例を含むこのプロンプトを送信してみましょう。

Suggest three names for an animal that is a superhero.

Animal: Cat
Names: Captain Sharpclaw, Agent Fluffball, The Incredible Feline
Animal: Dog
Names: Ruff the Protector, Wonder Canine, Sir Barks-a-Lot
Animal: Horse
Names:
Super Stallion, Mighty Mare, The Magnificent Equine

Nice! 与えられた入力に対して期待する出力例の追加は、私たちが求めているタイプの名前をモデルが提供するのに役立ちました。

 

設定の調整

プロンプトの設計だけが自由に使えるツールではありません。設定を調整することで補完を制御することもできます。最も重要な設定の一つは temperature (温度) と呼ばれます。

上述のサンプルで同じプロンプトを複数回送信した場合、モデルは常に同一か非常に類似した補完を返すことに気づいたかもしれません。これは temperature が 0 に設定されていたためです。

temperature を 1 に設定して同じプロンプトを数回、再送信してみましょう。

Supersteed, Thunder Hooves, Charging Crusader

See what happened? temperature が 0 より大きいとき、同じプロンプトの送信は毎回異なる補完という結果になります。

モデルはどのテキストが先行するテキストに続く可能性が最も高いかを予測することを忘れないでください。temperature は 0 と 1 の間の値で、基本的にはこれらの予測を行なうとき、モデルがどのくらい確信しているかを制御させます。temperature を低くすることは、モデルがより少いリスクを取り補完がより正確で決定論的であることを意味します。temperatore を増やすとより多様な補完という結果になります。

ペット名 generator については、多くの名前のアイデアを生成できることを多分望むでしょう。0.6 の適度な temperature が上手く動作するはずです。

 

アプリケーションの構築 (PYTHON (FLASK))

良いプロンプトと設定を見出した今、ペット名 generator を構築する準備ができました!貴方が始めるためにコードを書きました — 以下の指示に従ってコードをダウンロードしてアプリケーションを実行してください。

 

セットアップ

Python をインストールしていないなら、ここからインストール してください。それからこのレポジトリをクローンしてコードをダウンロードしてください。

git clone https://github.com/openai/openai-quickstart-python.git

git を使うことを好まないなら、代わりに この zip ファイル を使用してダウンロードできます。

 

貴方の API キーの追加

プロジェクト・ディレクトリに移動してサンプル環境変数ファイルのコピーを作成します。

cd openai-quickstart-python
cp .env.example .env

シークレット API キーをコピーしてそれを新たに作成された .env ファイル内の OPENAI_API_KEY として設定してください。

 

アプリケーションの実行

プロジェクト・ディレクトリで以下のコマンドを実行して依存関係をインストールして、アプリケーションを実行します。コマンドを実行するとき、セットアップに依存して python/pip の代わりに python3/pip3 をタイプする必要があるかもしれません。

python -m venv venv
. venv/bin/activate
pip install -r requirements.txt
flask run

Open http://localhost:5000 in your browser and you should see the pet name generator!

 

コードを理解する

openai-quickstart-python フォルダの app.py をオープンしてください。最下部で、上記で使用したプロンプトを生成する関数を見ます。ユーザはペットの動物の種類を入力しますので、それは動物を指定するプロンプトの一部を動的に置き換えます。

def generate_prompt(animal):
    return """Suggest three names for an animal that is a superhero.

Animal: Cat
Names: Captain Sharpclaw, Agent Fluffball, The Incredible Feline
Animal: Dog
Names: Ruff the Protector, Wonder Canine, Sir Barks-a-Lot
Animal: {}
Names:""".format(animal.capitalize())

app.py の 14 行目で、実際の API リクエストを送信するコードを見ます。上述のように、それは 0.6 の temperature で補完エンドポイントを使用しています。

response = openai.Completion.create(
  model="text-davinci-003",
  prompt=generate_prompt(animal),
  temperature=0.6
)

And that’s it! You should now have a full understanding of how your (superhero) pet name generator uses the OpenAI API!

 

以上



クラスキャット

最近の投稿

  • LangGraph Platform : 概要
  • LangGraph : Prebuilt エージェント : ユーザインターフェイス
  • LangGraph : Prebuilt エージェント : 配備
  • LangGraph : Prebuilt エージェント : マルチエージェント
  • LangGraph : Prebuilt エージェント : メモリ

タグ

AutoGen (13) ClassCat Press Release (20) ClassCat TF/ONNX Hub (11) DGL 0.5 (14) Eager Execution (7) Edward (17) FLUX.1 (16) Gemini (20) HuggingFace Transformers 4.5 (10) HuggingFace Transformers 4.6 (7) HuggingFace Transformers 4.29 (9) Keras 2 Examples (98) Keras 2 Guide (16) Keras 3 (10) Keras Release Note (17) Kubeflow 1.0 (10) LangChain (45) LangGraph (19) MediaPipe 0.8 (11) Model Context Protocol (16) NNI 1.5 (16) OpenAI Agents SDK (8) OpenAI Cookbook (13) OpenAI platform (10) OpenAI platform 1.x (10) OpenAI ヘルプ (8) TensorFlow 2.0 Advanced Tutorials (33) TensorFlow 2.0 Advanced Tutorials (Alpha) (15) TensorFlow 2.0 Advanced Tutorials (Beta) (16) TensorFlow 2.0 Guide (10) TensorFlow 2.0 Guide (Alpha) (16) TensorFlow 2.0 Guide (Beta) (9) TensorFlow 2.0 Release Note (12) TensorFlow 2.0 Tutorials (20) TensorFlow 2.0 Tutorials (Alpha) (14) TensorFlow 2.0 Tutorials (Beta) (12) TensorFlow 2.4 Guide (24) TensorFlow Deploy (8) TensorFlow Get Started (7) TensorFlow Graphics (7) TensorFlow Probability (9) TensorFlow Programmer's Guide (22) TensorFlow Release Note (18) TensorFlow Tutorials (33) TF-Agents 0.4 (11)
2023年7月
月 火 水 木 金 土 日
 12
3456789
10111213141516
17181920212223
24252627282930
31  
« 6月   8月 »
© 2025 ClasCat® AI Research | Powered by Minimalist Blog WordPress Theme