الصفحة الرئيسية>المتعلقة بالبرمجة>كود الذكاء الاصطناعي
تنزيل

ReadMe

إعداد البيانات

تأكد من أن المعلمات N و P و T متسقة عبر graph_data/graph_generator.py و text_data/text_generator.py و text_data/text_filter.py . يرجى تحديث المسارات في هذه الملفات إلى مسارات التخزين الخاصة بك.

الخطوة 1: مولد الرسم البياني

قم بتشغيل python graph_data/graph_generator.py لإنشاء الرسوم البيانية.

الخطوة 2: مولد النص

قم بتشغيل python text_data/text_generator.py لإنشاء المهام بناءً على الرسوم البيانية من الخطوة 1.

الخطوة 3: مرشح النص

قم بتشغيل python text_data/text_filter.py لتصفية البيانات باستخدام النص من الخطوة 2 والحصول على عدد متساوٍ من المهام مع أو بدون إجابات.

المطالبة

الخطوة 1: تنفيذ فئة LLM الخاصة بك

قم بتنفيذ فئة LLM الخاصة بك على غرار الفئة الموجودة في api_LLM.py و api.py تأكد من أن التنفيذ يسمح باستخدام llm() للمحادثة و clear_history() لمسح تاريخ المحادثة.

الخطوة 2: الاستنتاج

قم بتشغيل الأمر أدناه لاستخدام قالب المطالبة المختلفة. المعلمة COT تتوافق مع مطالبات مختلفة.

python infer.py --model_name Llama3.1 --COT NO --api_key your_api_key

الخطوة 3: تقييم

قم بتشغيل الأمر أدناه للحصول على معدل الدقة.

python acc.py --model_name Llama3.1 --COT NO

يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل