কৃত্রিম বুদ্ধিমত্তা হল সবচেয়ে দ্রুত বর্ধনশীল প্রযুক্তিগুলির মধ্যে একটি যা মেশিন লার্নিং অ্যালগরিদম ব্যবহার করে বিশাল ডেটা ব্যবহার করে মডেলগুলিকে প্রশিক্ষণ এবং পরীক্ষা করে৷ ডেটা বিভিন্ন ফরম্যাটে সংরক্ষণ করা যেতে পারে তবে ল্যাংচেইন ব্যবহার করে বড় ভাষার মডেল তৈরি করতে, সবচেয়ে বেশি ব্যবহৃত টাইপ হল JSON। প্রশিক্ষণ এবং পরীক্ষার ডেটা পরিষ্কার এবং সম্পূর্ণ হওয়া দরকার কোনো অস্পষ্টতা ছাড়াই যাতে মডেলটি কার্যকরভাবে সম্পাদন করতে পারে।
এই নির্দেশিকা ল্যাংচেইনে পাইডানটিক JSON পার্সার ব্যবহার করার প্রক্রিয়া প্রদর্শন করবে।
ল্যাংচেইনে পাইডানটিক (জেএসএন) পার্সার কীভাবে ব্যবহার করবেন?
JSON ডেটাতে ডেটার পাঠ্য বিন্যাস রয়েছে যা ওয়েব স্ক্র্যাপিং এবং লগ ইত্যাদির মতো অন্যান্য উত্সের মাধ্যমে সংগ্রহ করা যেতে পারে৷ ডেটার যথার্থতা যাচাই করার জন্য, LangChain প্রক্রিয়াটিকে সহজ করার জন্য পাইথন থেকে পাইডানটিক লাইব্রেরি ব্যবহার করে৷ LangChain এ pydantic JSON পার্সার ব্যবহার করতে, কেবল এই নির্দেশিকাটি দেখুন:
ধাপ 1: মডিউল ইনস্টল করুন
প্রক্রিয়াটি শুরু করতে, LangChain-এ পার্সার ব্যবহার করার জন্য এটির লাইব্রেরি ব্যবহার করতে LangChain মডিউলটি ইনস্টল করুন:
পিপ ইনস্টল ল্যাংচেইন
এখন, ব্যবহার করুন ' পিপ ইনস্টল 'OpenAI ফ্রেমওয়ার্ক পেতে এবং এর সংস্থানগুলি ব্যবহার করতে কমান্ড:
পিপ ইনস্টল openai
মডিউলগুলি ইনস্টল করার পরে, কেবলমাত্র ওপেনএআই পরিবেশের সাথে সংযোগ করুন ' আপনি ' এবং ' গেটপাস 'লাইব্রেরি:
আমাদের আমদানি করুনগেটপাস আমদানি করুন
os.environ [ 'OPENAI_API_KEY' ] = getpass.getpass ( 'ওপেনএআই এপিআই কী:' )
ধাপ 2: লাইব্রেরি আমদানি করুন
প্রয়োজনীয় লাইব্রেরি আমদানি করতে LangChain মডিউল ব্যবহার করুন যা প্রম্পটের জন্য একটি টেমপ্লেট তৈরি করতে ব্যবহার করা যেতে পারে। প্রম্পটের টেমপ্লেটটি প্রাকৃতিক ভাষায় প্রশ্ন জিজ্ঞাসা করার পদ্ধতি বর্ণনা করে যাতে মডেলটি কার্যকরভাবে প্রম্পটটি বুঝতে পারে। এছাড়াও, একটি চ্যাটবট তৈরির জন্য LLM ব্যবহার করে চেইন তৈরি করতে OpenAI এবং ChatOpenAI-এর মতো লাইব্রেরি আমদানি করুন:
langchain.prompts আমদানি থেকে (প্রম্পট টেমপ্লেট,
চ্যাটপ্রম্পট টেমপ্লেট,
HumanMessagePromptTemplate,
)
langchain.llms আমদানি OpenAI থেকে
langchain.chat_models থেকে ChatOpenAI আমদানি করুন
এর পরে, ল্যাংচেইনে JSON পার্সার ব্যবহার করার জন্য বেসমডেল, ফিল্ড এবং যাচাইকারীর মতো পাইডানটিক লাইব্রেরিগুলি আমদানি করুন:
langchain.output_parsers থেকে PydanticOutputParser আমদানি করুনপাইডানটিক আমদানি বেস মডেল, ক্ষেত্র, যাচাইকারী থেকে
আমদানি তালিকা টাইপ থেকে
ধাপ 3: একটি মডেল নির্মাণ
pydantic JSON পার্সার ব্যবহারের জন্য সমস্ত লাইব্রেরি পাওয়ার পরে, OpenAI() পদ্ধতির সাথে প্রাক-পরিকল্পিত পরীক্ষিত মডেলটি পান:
মডেল_নাম = 'টেক্সট-ডেভিন্সি-003'তাপমাত্রা = 0.0
মডেল = OpenAI ( ণশড =মডেল_নাম, তাপমাত্রা =তাপমাত্রা )
ধাপ 4: অভিনেতা বেস মডেল কনফিগার করুন
অভিনেতার ফিল্মগ্রাফি জিজ্ঞাসা করে তাদের নাম এবং চলচ্চিত্রের মতো অভিনেতা সম্পর্কিত উত্তর পেতে অন্য মডেল তৈরি করুন:
শ্রেণীর অভিনেতা ( বেস মডেল ) :নাম: str = ক্ষেত্র ( বর্ণনা = 'প্রধান অভিনেতার নাম' )
ছবির_নাম: তালিকা [ str ] = মাঠ ( বর্ণনা = 'যেসব চলচ্চিত্রে অভিনেতা প্রধান ছিলেন' )
actor_query = 'আমি যেকোনো অভিনেতার ফিল্মগ্রাফি দেখতে চাই'
পার্সার = PydanticOutputParser ( pydantic_object =অভিনেতা )
prompt = প্রম্পট টেমপ্লেট (
টেমপ্লেট = 'ব্যবহারকারীর কাছ থেকে প্রম্পটের উত্তর দিন। \n {format_instructions} \n {প্রশ্ন} \n ' ,
input_variables = [ 'প্রশ্ন' ] ,
আংশিক_ভেরিয়েবল = { 'বিন্যাস_নির্দেশ' : parser.get_format_instructions ( ) } ,
)
ধাপ 5: বেস মডেল পরীক্ষা করা
প্রম্পটের জন্য উত্পন্ন ফলাফল ধারণকারী আউটপুট ভেরিয়েবলের সাথে parse() ফাংশন ব্যবহার করে কেবল আউটপুট পান:
_input = prompt.format_prompt ( প্রশ্ন =অভিনেতা_কোয়েরি )আউটপুট = মডেল ( _input.to_string ( ) )
parser.parse ( আউটপুট )
অভিনেতার নাম ' টম হ্যান্কস মডেল থেকে pydantic ফাংশন ব্যবহার করে তার চলচ্চিত্রের তালিকা আনা হয়েছে:
এটি LangChain-এ pydantic JSON পার্সার ব্যবহার করার বিষয়ে।
উপসংহার
LangChain-এ pydantic JSON পার্সার ব্যবহার করতে, তাদের সংস্থান এবং লাইব্রেরির সাথে সংযোগ করতে কেবল LangChain এবং OpenAI মডিউলগুলি ইনস্টল করুন৷ এর পরে, একটি বেস মডেল তৈরি করতে এবং JSON আকারে ডেটা যাচাই করতে OpenAI এবং pydantic-এর মতো লাইব্রেরিগুলি আমদানি করুন৷ বেস মডেল তৈরি করার পরে, parse() ফাংশনটি চালান, এবং এটি প্রম্পটের উত্তর প্রদান করে। এই পোস্টটি LangChain-এ pydantic JSON পার্সার ব্যবহার করার প্রক্রিয়া প্রদর্শন করেছে।