Promptify 다운로드 - 소스 코드 다운로드를 Promptify

Promptify

기타 소스코드

1.0.0

다운로드

프롬프트

프롬프트 엔지니어링, LLM의 NLP 문제 해결 및 GPT, Palm 등과 같은 인기있는 생성 모델에 대한 다양한 NLP 작업 프롬프트를 쉽게 생성합니다.

설치

PIP와 함께

이 저장소는 Python 3.7+, OpenAI 0.25+에서 테스트됩니다.

PIP 명령을 사용하여 Promptify를 설치해야합니다

pip3 install promptify

또는

pip3 install git+https://github.com/promptslab/Promptify.git

빠른 여행

NLP 작업에 LLM 모델을 즉시 사용하려면 Pipeline API를 제공합니다.

 from promptify import Prompter , OpenAI , Pipeline

sentence     =  """The patient is a 93-year-old female with a medical  				 
                history of chronic right hip pain, osteoporosis,					
                hypertension, depression, and chronic atrial						
                fibrillation admitted for evaluation and management				
                of severe nausea and vomiting and urinary tract				
                infection"""

model        = OpenAI ( api_key ) # or `HubModel()` for Huggingface-based inference or 'Azure' etc
prompter     = Prompter ( 'ner.jinja' ) # select a template or provide custom template
pipe         = Pipeline ( prompter , model )


result = pipe . fit ( sentence , domain = "medical" , labels = None )


### Output

[
    { "E" : "93-year-old" , "T" : "Age" },
    { "E" : "chronic right hip pain" , "T" : "Medical Condition" },
    { "E" : "osteoporosis" , "T" : "Medical Condition" },
    { "E" : "hypertension" , "T" : "Medical Condition" },
    { "E" : "depression" , "T" : "Medical Condition" },
    { "E" : "chronic atrial fibrillation" , "T" : "Medical Condition" },
    { "E" : "severe nausea and vomiting" , "T" : "Symptom" },
    { "E" : "urinary tract infection" , "T" : "Medical Condition" },
    { "Branch" : "Internal Medicine" , "Group" : "Geriatrics" },
]

NER, Multilabel, 질문 세대 작업을 포함한 GPT-3 예

특징 ?

교육 데이터가 필요없이 2 줄의 코드로 NLP 작업 (NER 및 분류 등)을 수행하십시오.
프롬프트에 1 샷, 두 번 또는 몇 개의 샷 예제를 쉽게 추가합니다.
LLMS의 외형 예측 처리 (GPT, T5 등)
출력은 항상 파싱 및 필터링을 쉽게하기 위해 파이썬 객체 (예 : 목록, 사전)로 제공됩니다. 이는 비 구조화 및 원시 출력으로 비즈니스 또는 기타 응용 프로그램에서 사용하기가 어렵다는 LLMS 생성 출력보다 큰 장점입니다.
맞춤형 예제 및 샘플은 프롬프트에 쉽게 추가 할 수 있습니다.
? Huggingface 허브에 저장된 모든 모델에서 추론을 실행하십시오 (노트북 안내서 참조).
OpenAI 토큰 비용을 줄이기위한 최적화 된 프롬프트 (곧 출시)

광범위한 프롬프트 기반 NLP 작업 지원 :

작업 이름	Colab 노트북	상태
지명 된 엔티티 인식	GPT-3을 사용한 NER 예	✅
멀티 라벨 텍스트 분류	GPT-3을 사용한 분류 예	✅
멀티 클래스 텍스트 분류	GPT-3을 사용한 분류 예	✅
이진 텍스트 분류	GPT-3을 사용한 분류 예	✅
질문 응답	GPT-3을 사용한 QA 작업 예제	✅
질문 응답 세대	GPT-3을 사용한 QA 작업 예제	✅
관계-추출	GPT-3을 사용한 관계 추출 예	✅
요약	GPT-3을 사용한 요약 작업 예제	✅
설명	GPT-3을 사용한 설명 작업 예제	✅
SQL 작가	GPT-3을 사용한 SQL 작가 예제	✅
표 데이터
이미지 데이터
더 많은 프롬프트

문서

문서를 신속하게하십시오

지역 사회

Prompt-Engineering, LLM, ChatGpt 및 기타 최신 연구 토론에 관심이 있으시면 Promptslab에 가입하는 것을 고려하십시오.


@misc{Promptify2022,
  title = {Promptify: Structured Output from LLMs},
  author = {Pal, Ankit},
  year = {2022},
  howpublished = {url{https://github.com/promptslab/Promptify}},
  note = {Prompt-Engineering components for NLP tasks in Python}
}