AI大模型开发——7.百度千帆大模型调用

    本节旨在为读者提供一个实用指南，探讨如何有效地利用百度千帆大模型平台的强大功能。从基础的账号注册和密钥申请入手，逐步引领用户通过案例， 理解并掌握如何调用文本和图像处理的大模型 API， 包括但不限于 NLP、对话生成、文本续写以及图像生成等领域。

1.千帆大模型平台简介

    在 AI蓬勃发展的时代， 大模型平台作为支撑大规模数据处理和复杂模型训练的基石， 正逐渐成为推动科技创新和产业升级的重要力量。千帆大模型平台， 凭借其卓越的性能、灵活的应用和强大的生态系统，已成为众多企业和研究机构首选的大模型解决方案。
     千帆大模型平台是一个集数据处理、模型训练、推理部署于一体的综合性平台，它提供了丰富的算法库和工具集， 支持多种深度学习框架， 能够轻松应对各种复杂的数据处理和模型训练任务。平台采用分布式计算架构，能够充分利用多节点计算资源， 以实现高效的大规模数据训练和推理。
     千帆大模型平台具备以下核心特性。
     (1)高效性：平台采用先进的算法优化和并行计算技术， 能够显著提升模型训练速度和推理性能。
     (2)灵活性：平台支持自定义模型开发和训练， 用户可以根据具体需求选择合适的算法和参数进行模型调优。
     (3)易用性：平台提供了简洁直观的图形化界面和友好的API接口， 降低了用户的使用门槛。同时， 平台还提供了详细的文档和教程， 可帮助用户快速上手并充分利用平台功能。
     (4)安全性：平台采用了严格的数据加密和访问控制机制， 可确保用户数据的安全性和隐私性。
     千帆大模型平台广泛应用于NLP、计算机视觉、语音识别等领域，为众多行业提供了强大的智能支持。例如， 在NLP领域， 千帆大模型平台可以帮助企业构建智能客服、机器翻译等应用；在计算机视觉领域，千帆大模型平台可以用于图像识别、目标检测等任务；在语音识别领域，千帆大模型平台可以实现高精度的语音转写和识别功能。

2.第一个大模型调用

2.1 注册并申请密钥

（1）访问官网：

百度智能云-云智一体深入产业 (baidu.com)

（2）注册或登录账号

（3）点击控制台

（4）进入控制台详情页，并进入百度智能云千帆大模型平台。

（5）进入创建应用界面后，点击进入“应用接入”界面。

（6）应用配置。点击“去创建”进入应用配置界面。

2.2 开启千帆大模型 API调用

    百度智能云千帆平台提供了丰富的API, 包括对话 Chat、续写 Completions、向量 Embeddings、插件应用、提示工程、模型服务、管理、调优及数据管理等API能力。本小节以调用一个对话 Chat流程进行说明。
     (1) 创建应用。创建应用的操作已经在3.2.1小节中完成， 无须再次操作。
     (2) API授权。创建应用的时候平台自动授权， 无须操作。
     (3) 获取接口访问凭证 access _ token。使用在3.2.1 小节获取的API Key 和 Secret Key, 调用获取 access _ token 接口获取 access _ token, 通过 access _ token 鉴权调用者身份。

获取 access _ token接口的 Python版本代码如下。

import json
import requests
def main():
    url = 'https://aip.baidubce.com/oauth/2.0/token'
    payload = {
        'client_id': 'XXX',  # 请替换为您的 client_id
        'client_secret': 'XXX',  # 请替换为您的 client_secret
        'grant_type': 'client_credentials'
    }
    # 发送表单数据
    response = requests.post(url, data=payload)
    # 打印状态码和响应内容
    print("Status Code:", response.status_code)
    print("Response Text:", response.text)
    # 尝试解析 JSON 响应
    try:
        return response.json().get('access_token')
    except json.JSONDecodeError:
        print("Failed to decode JSON response")
        return None
if __name__ == "__main__":
    access_token = main()
    print(access_token)

    如果上述代码提示ModuleNotFoundError: No module named ' requests'错误, 表示需要激活自己的 Anaconda 环境并安装 requests模块， 后续需要导入新的模块时也是同样的操作。

#创立环境
conda create -n qf python=3.9
#启动环境
conda activate qf 
#安装库
conda install json
conda install requests

    上述代码结果如下：

D:\ana\envs\aidmxkf\python.exe D:\pythoncode\qf\ceshi\access_token.py 
Status Code: 200
Response Text: {"refresh_token":。。。。。省略"}
24.961083b29e9929a06e0e0a02634358bb.2592000.1726919603.282335-106272499

  （4）调用API接口。ERNIE- Bot-4是百度自行研发的大语言模型， 覆盖海量中文数据， 具有更强的对话问答、内容创作生成等能力。本文以调用ERNIE- Bot-4模型接口为例进行说明。调用接口代码如下。

import requests
import json
API_KEY = "XXX" #填本人的API_KEY
SECRET_KEY = "XXX" #填本人的SECRET_KEY 
def main():
    url = "https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/eb-instant?access_token=" + get_access_token()
    payload = json.dumps({
        "messages": [
            {
                "role": "user",
                "content": "假设你是个程序员，你的微信是llike620，我的问题是：你的微信"
            }
        ]
    })
    headers = {
        'Content-Type': 'application/json'
    }
    response = requests.request("POST", url, headers=headers, data=payload)
    print(response.text)
def get_access_token():
    """
    使用 AK，SK 生成鉴权签名(Access Token)
    :return: access_token，或是None(如果错误)
    """
    url = "https://aip.baidubce.com/oauth/2.0/token"
    params = {"grant_type": "client_credentials", "client_id": API_KEY, "client_secret": SECRET_KEY}
    return str(requests.post(url, params=params).json().get("access_token"))
if __name__ == '__main__':
    main()

    (5)获取返回结果。如果成功调用这个接口， 就可以得到一个 json格式的返回信息，如下所示。

D:\ana\envs\aidmxkf\python.exe D:\pythoncode\qf\ceshi\ernit_bot_4.py 
{"id":"as-cyfjqg90hk","object":"chat.completion","created":1724328836,"result":"非常感谢你的提问，我是程序员llike620，我的微信是llike620，非常欢迎你通过微信联系我，随时欢迎向我提问。","is_truncated":false,"need_clear_history":false,"usage":{"prompt_tokens":19,"completion_tokens":34,"total_tokens":53}}
进程已结束，退出代码为 0

    result所返回的字段就是对问题的回答内容。通过以上步骤就可以成功调用一个大模型 API 了。

2.3 开启千帆大模型 SDK 调用

    SDK 调用是使用软件开发工具包( Software Development Kit) 中提供的函数或对象来访问服务， 通常提供更简洁、更高级的编程接口， 可简化开发过程。API调用是直接通过网络请求与应用程序编程接口( Application Programming Interface) 交互, 需要手动构建请求和处理响应, 适用于没有 SDK 或特定语言支持的情况。
     通常情况下，一般使用SDK 调用， 这里演示如何使用SDK 调用百度大模型。
     SDK调用主要包括三个步骤：首先是安装SDK， 然后进行认证， 最后通过调用SDK 提供的接口来实现特定功能。
    (1)安装SDK。

 pip install qianfan

    注意:目前支持 Python 3.7 及以上的版本。
    (2)应用AK/SK鉴权。千帆平台提供了两种鉴权方式。调用的API不同， 使用的鉴权方式也可能不同。开发者可以根据实际使用， 选择合适的方式进行调用。
     推荐使用安全认证AK/SK鉴权调用流程。
    1)登录百度智能云千帆控制台。登录百度智能云千帆控制台， 单击“用户账号”→“安全认证”按钮进入 Access Key管理界面。
     2)查看安全认证 Access Key/ Secret Key。在安全认证/ Access Key 界面, 查看 Access Key、 Secret Key, 如下所示。

(3) 调用大模型 ERNIE- Bot- turbo。

import qianfan
import os
# 使用安全认证AK/SK鉴权， 通过环境变量方式初始化； 替换下列示例中的参数， 安全认证 Access Key替换 your _ iam _ ak, Secret Key替换 your _ iam _ sk
os. environ["QIANFAN_ACCESS_KEY"] = " your _ iam _ ak"
os. environ["QIANFAN_SECRET_KEY"] = " your _ iam _ sk"
chat_cump=qianfan.ChatCompletion()
resp=chat_cump.do(
    messages =[
        {
            "role": "user",
            "content": "你好"
        }
    ]
)
print(resp.body)

    可以将QIANFAN_ACCESS_KEY和QIANFAN_SECRET_KEY设置为系统的环境变量,这样就不必在每次调用时手动填写这些密钥了。
     上述代码输出如下所示。

D:\ana\envs\aidmxkf\python.exe D:\pythoncode\qf\ceshi\SDK.py 
{'id': 'as-r77v0mef5q', 'object': 'chat.completion', 'created': 1724329870, 'result': '你好！有什么需要我帮助的吗？', 'is_truncated': False, 'need_clear_history': False, 'usage': {'prompt_tokens': 1, 'completion_tokens': 8, 'total_tokens': 9}}
进程已结束，退出代码为 0

    其中， result部分代表大模型的回答内容。

3. 百度文本大模型API

    本节将探索百度千帆大模型平台提供的文本大模型API， 这些 API为开发者打开了利用先进NLP技术的大门。首先从对话 Chat大模型开始， 了解如何实现流畅的自然语言对话；接着， 探讨续写 Completions功能, 展示如何自动完成或扩展文本内容;最后, 通过文心 ERNIE- Bot-4 模型景点推荐实践， 展示如何将这些技术应用于具体的业务场景， 为用户提供个性化推荐。

3.1 对话 Chat大模型

    百度智能云千帆大模型平台提供了对话 Chat相关模型 API SDK， 它支持单轮对话、多轮对话、流式等调用方式。
    下面分别三种对调用方式。

单轮对话调用。

 使用model字段，指定千帆平台支持预置服务的模型，调用示例如下：(以后自动替换自己内容)

import qianfan
import os
os.environ["QIANFAN_ACCESS_KEY"] =""
os.environ["QIANFAN_SECRET_KEY"] =""
chat_cump=qianfan.ChatCompletion()
resp=chat_cump.do(
    model="ERNIE-Bot",
    messages =[
        {
            "role": "user",
            "content": "你好"
        }
    ]
)
print(resp.body)

多轮对话调用

 多轮对话需要修改messages消息，里面是多个对话消息，如下所示。（千帆大平台中message只能说单数信息）

import qianfan
import os
os.environ["QIANFAN_ACCESS_KEY"] =""
os.environ["QIANFAN_SECRET_KEY"] =""
chat_cump=qianfan.ChatCompletion()
resp=chat_cump.do(
    messages =[
        {
            "role": "user",
            "content": "你好"
        },
        {
            "role": "assistant",
            "content": "你好！很高兴与你交流。请问你有什么需要我帮助解答的问题吗？"
        },
        {
            "role": "user",
            "content": "我在做一个基于大数据的应用，需要找到一个合适的机器学习算法。"
        }
    ]
)
print(resp.body)

3.流式调用

    流式调用对话修改stream的值为True，默认是False，如下所示。

import qianfan
import os
os.environ["QIANFAN_ACCESS_KEY"] =""
os.environ["QIANFAN_SECRET_KEY"] =""
chat_cump=qianfan.ChatCompletion()
resp=chat_cump.do(
    model="ERNIE-Bot-turbo",
    messages =[
        {
            "role": "user",
            "content": "你好"
        }
    ],
    stream=True
)
for chunk in resp:
    print(chunk.body)

3.2 续写Completions

    千帆SDK支持调用续写Completions相关API，支持非流式、流式调用。下面分别介绍两种调用方式。

1.流式调用

    同Chat大模型的区别是，这里获取的是Completion。

import qianfan
import os
os.environ["QIANFAN_ACCESS_KEY"] =""
os.environ["QIANFAN_SECRET_KEY"] =""
cump=qianfan.Completion()
resp=cump.do(prompt="你好")
print(resp)

2.非流式调用

    同Chat大模型流式调用一样，也是设置stream=True。

import qianfan
import os
os.environ["QIANFAN_ACCESS_KEY"] =""
os.environ["QIANFAN_SECRET_KEY"] =""
cump=qianfan.Completion()
resp=cump.do(model="ERNIE-Bot",prompt="你好",stream=True)
for line in resp:
    print(line)

3.3 文心 ERNIE- Bot-4 景点推荐实践

    这里将通过一个实际案例展示如何使用百度的ERNIE- Bot-4模型接口， 实现一个旅游景点推荐系统。这个系统能够根据用户的偏好和需求，智能推荐合适的旅游景点。通过该案例， 用户将学习如何与 ERNIE- Bot-4模型交互， 以及如何处理和利用模型生成的数据来提供个性化的服务。
     首先， 需要准备与ERNIE- Bot-4模型交互所需的环境和库。同时需要AK/SK鉴权， 并安装 Python环境和必要的库。下面是一个基础的代码示例，用于初始化百度客户端并设置好AK/SK。
    接下来, 定义一个函数 get _ travel _ recommendations, 该函数接收用户的输入作为参数, 并使用ERNIE- Bot-4模型生成旅游景点的推荐。用户输入包括对旅游地点的偏好(如自然风光、历史遗迹、城市探索等)、旅行时间和预算等信息。
    在该函数中， 将用户的输入格式化为一个提问， 并请求 ERNIE- Bot-4模型生成相关的旅游景点推荐及推荐理由。 top _p参数设置输出文本的多样性， 而 temperature参数控制输出的创造性程度。
     现在来模拟一个用户输入， 并看看模型的输出结果。

import qianfan
import os
# 设置环境变量
os.environ["QIANFAN_ACCESS_KEY"] = ""
os.environ["QIANFAN_SECRET_KEY"] = ""
def get_travel_recommendations(user_input):
    # 创建Completion对象
    comp = qianfan.Completion()
    # 调用API获取推荐
    response = comp.do(
        method="EBNIE-Bot-4",  # 假设这是API的正确方法名
        prompt=f"根据以下用户偏好推荐旅游景点:\n{user_input}\n推荐理由:",
        temperature=0.7,
        top_p=1
    )
    # 从响应中提取推荐结果
    recommendations = response.body["result"]  # 假设response.body是正确的方法来获取结果
    return recommendations
# 假设user_input是一个字符串变量，包含用户的偏好
user_input = ("""
偏好：历史遗迹和文化体验
旅行时间：2023年4月
预算：中等
""")
recommendations = get_travel_recommendations(user_input)
print(recommendations)

    上述代码结果如下。

D:\ana\envs\aidmxkf\python.exe D:\pythoncode\qf\diaoyong\jingdiantuijian.py 
根据您的偏好、旅行时间和预算，我为您推荐以下几个旅游景点，以体验历史遗迹和文化体验：
1. 故宫博物院 - 北京
作为中国最著名的历史遗迹之一，故宫博物院是您不容错过的目的地。这里收藏了丰富的文物和艺术品，您可以深入了解中国的历史和文化。在4月的春季，北京的气候宜人，非常适合游览。
2. 西安古城墙与兵马俑 - 西安
除了故宫外，西安也是一个充满历史气息的城市。您可以参观古城墙，感受古城的韵味，同时还可以前往兵马俑博物馆，领略古代的战争场面和精美雕刻艺术。这两个景点的票价较为中等，适合您的预算。
3. 苏州园林 - 江苏
如果您对中国的古典园林文化感兴趣，那么苏州园林是您不可错过的景点。这里的园林以水景、假山、古建筑等元素构成，营造出一种宁静、优雅的氛围。在游览园林的同时，您还可以了解苏州的历史和文化。
4. 乌镇 - 浙江
乌镇是一个有着千年历史的古镇，这里保存了大量古建筑和传统手工艺品制作技艺。漫步在古色古香的街道上，您可以感受到浓厚的历史气息和独特的文化氛围。此外，您还可以品尝到当地的美食和购买纪念品。
以上是我为您推荐的旅游景点，它们都充满了历史和文化气息，非常适合您进行一次文化体验之旅。在旅行前，建议您提前了解各个景点的开放时间、门票价格等信息，并做好行程规划。祝您旅途愉快！
进程已结束，退出代码为 0

    通过该案例， 展示了如何利用ERNIE- Bot-4模型的强大能力来实现个性化的旅游景点推荐。用户可以根据实际需求调整提问的内容和格式，以及输出结果的处理方式， 从而开发出更加丰富和实用的应用。

4 图像 Images API

    下面将带领用户探索百度千帆大模型平台提供的图像 ImagesAPI，揭示如何将最新的图像生成技术应用于实际项目中。从 Stable Diffusion XL 这一强大的图片生成模型开始， 学习如何创造出令人印象深刻的视觉内容。随后，介绍 Fuyu-8B 图片视觉模型的应用， 展现其在图像理解和处理方面的能力。最终， 通过 Stable Diffusion XL 生成电商图片的实践案例， 向读者展示如何将这些先进技术转化为商业价值。

4.1 图片生成模型 Stable Diffusion XL

     Stable Diffusion XL 模型是一种深度学习模型, 是 Stable Diffusion 模型的扩展版本, 专为生成高分辨率和高质量的图像而设计。该模型使用了更大的网络架构和更多的训练数据，从而能够产生更细致和真实的图像。 Stable Diffusion XL 通过对大量图像数据进行学习， 可以理解复杂的视觉内容和风格，使其在艺术创作、游戏开发、视觉内容生成等领域具有广泛的应用潜力。与原始的 Stable Diffusion 模型相比， XL 版本通过增强的模型容量和优化的生成策略， 能够处理更复杂的图像生成任务， 提供更高质量的输出结果。
     下面介绍如何基于百度API 使用 Stable Diffusion XL。

import os
import qianfan
import io
from PIL import Image
os.environ["QIANFAN_ACCESS_KEY"] =""
os.environ["QIANFAN_SECRET_KEY"] =""
t2i=qianfan.Text2Image()
resp=t2i.do(
    prompt="A Ragdoll cat with a bowtie",
    with_decode="base64",
    model="Stable-Diffusion-XL",
)
img_data=resp["body"]["data"][0]["image"]
img=Image.open(io.BytesIO(img_data))
img.show()

    上面这段代码通过千帆的Text2Image API 生成一个基于文本提示"A Ragdoll cat with a bowtie."的图像, 并显示该图像。
     返回输出结构如下：

QfResponse( code=200,headers={…},
body={' created': 1111,
'data': [{'b64_ image': ' xxxxxx',
'image': ' xx',
'index': 1,
'object': ' image'}],
'id': ' as- xxx',
'object': ' image',
'usage': {' prompt _ tokens': 28, ' total _ tokens': 28}})

    输出是一个 QfResponse响应对象， 包含状态码200、头部信息和正文内容， 正文包括创建时间、图片数据列表、响应 ID、对象类型和使用详情。
     下面接着查看输出图片效果:

    图片显示场景和实际输入文字是匹配的， 总体效果还是不错的。

4.2 图片视觉模型 Fuyu-8B

    Fuyu-8B模型是一个基于深度学习技术的图像识别与处理模型。它采用了先进的神经网络架构， 通过大量的图像数据进行训练， 使得模型能够学习到图像中的复杂特征和模式。该模型以其高效、准确和稳定的性能而受到广泛关注。
     Fuyu-8B模型被广泛应用于多个领域。例如， 在医学影像分析领域， 该模型可以辅助医生进行疾病的诊断和治疗方案的制定。在自动驾驶领域， Fuyu-8B模型可以识别道路标志、行人、车辆等关键信息，以提高自动驾驶系统的安全性和可靠性。此外， 该模型还可用于安防监控、人脸识别、智能相册管理等领域。
     下面将基于 Fuyu-8B 演示， 根据用户输入的图片和请求信息， 来返回用户想要得到的图片中的信息。
     下面代码主要是使用上个图， 并将结果输出到控制台：

import os
import qianfan
import base64
from qianfan.resources import Image2Text
# 设置 QIANFAN API 的访问密钥
os.environ["QIANFAN_ACCESS_KEY"] =""
os.environ["QIANFAN_SECRET_KEY"] =""
# 请替换图片对应的路径地址
with open(r"D:\pythoncode\qf\tupianAPI\8.png", "rb") as image_file:
    encoded_string = base64.b64encode(image_file.read()).decode()
# 使用model参数
i2t = Image2Text(model="Fuyu-8B")
resp = i2t.do(prompt="分析一下图片画了什么", image=encoded_string)
print(resp["result"])

    上述代码结果如下：

D:\ana\envs\aidmxkf\python.exe D:\pythoncode\qf\tupianAPI\Fuyu-8B.py 
The image features a colorful illustration of a cat with a red bow tie. The cat ' s eyes are closed, and it appears to be wearing a bow tie, adding a touch of whimsy to the scene.
进程已结束，退出代码为 0

4.3 Stable Diffusion XL 生成商品图片实践

    下面将通过一个实际操作，演示如何将用户提供的中文商品关键词转化为细致、全面的英文商品描述， 随后利用这个描述通过 Stable Diffusion XL 模型接口生成对应的产品图片。
     此过程包括两个主要步骤：①根据用户输入的中文关键词生成详细的英文商品描述；②使用这个描述生成商品图片。
    用户通过某个电商平台的界面输入一组中文关键词， 代码的目标是基于这些关键词自动生成对应商品的英文描述， 然后根据描述生成商品图片。以下是整个过程的代码实现。

import os
import qianfan
from PIL import Image
import io
os.environ["QIANFAN_ACCESS_KEY"] =""
os.environ["QIANFAN_SECRET_KEY"] =""
# 创建 Completion 和 Text2Image 的实例
comp = qianfan.Completion()
t2i = qianfan.Text2Image()
# 用户输入中文商品描述
user_keywords =input("请输入中文商品描述：")
# 调用 Completion API 生成英文商品描述
resp_desc = comp.do(
    prompt=f"根据以下中文关键词生成详细的英文商品描述（请限制在250个单词以内）: {user_keywords}\n\nKeywords: {user_keywords}\nEnglish Description:",
)
# 获取英文描述
english_description = resp_desc.body["result"]
print(english_description)
# 调用 Text2Image API 生成基于英文描述的图片
resp_img = t2i.do(
    prompt=f"A product image based on the following description: {english_description}.",
    with_decode="base64"
)
# 获取 Base64 编码的图像数据
img_data = resp_img["body"]["data"][0]["image"]
# 解码 Base64 图像数据
img = Image.open(io.BytesIO(img_data))
img.show()

    在上述代码中， 首先输入的中文关键词“时尚、简约、木质书桌”，接着调用 CompletionAPI根据这些关键词生成一段详细的英文商品描述。生成的英文描述被用作Text2Image接口的输入， 指导模型生成与描述相匹配的商品图片。
     代码的效果如下所示。

D:\ana\envs\aidmxkf\python.exe D:\pythoncode\qf\tupianAPI\StableDiffusionXL2.py 
请输入中文商品描述：时尚、简约、木质书桌
This sleek and modern wooden desk embodies the essence of fashion and simplicity. Designed with a minimalist aesthetic, its clean lines and smooth edges exude a sense of elegance and sophistication. Made from high-quality wood, the desk is both sturdy and durable, ensuring long-lasting use. Its sleek design complements any home or office decor, making it a must-have addition to any space. This wooden desk offers ample storage space for all your essentials, while its modern look and simple style make it a perfect fit for those who appreciate a minimalist lifestyle. A must-have for those seeking a stylish and functional piece of furniture, this wooden desk is an excellent blend of fashion and simplicity.
进程已结束，退出代码为 0

                                            ![](https://i-blog.csdnimg.cn/direct/fabcd5b591b046529f37f9f885d82ee9.png)
    从上方可以看出， 整体效果还是不错的。
     此实践案例展现了如何结合文本生成和图片生成接口， 依据简单的用户输入自动化地产出高质量的商品内容， 从而降低内容创作成本， 提高效率， 并且增强电商平台的用户体验。

标签：人工智能百度语言模型

本文转载自: https://blog.csdn.net/m0_74922316/article/details/141434935
版权归原作者 人生百态，人生如梦 所有，如有侵权，请联系我们删除。