动手做科研之线上代码环境以及大模型调用

《动手做科研》线上环境配置以及大模型调用

今日任务

1. 学会如何快速使用colab/kaggle notebook，执行python代码
2. 大模型应用，如何调用

准备python运行环境 教程

注册教程

线上的这个kaggle运行平台就是不用繁琐的下载一些库，本身包含了很多的库，给我们省去了很多的麻烦

在Kaggle Notebook上注册了账号，选择的是用谷歌邮箱注册，然后在主页选择code上copy的代码直接运行

也可以create notebook

import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# 示例数据
X = np.array([[1], [2], [3], [4], [5]])  # 特征
y = np.array([2, 4, 6, 8, 10])            # 目标变量

# 拆分数据
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 输出结果
print("预测值:", y_pred)
print("均方误差:", mean_squared_error(y_test, y_pred))

调用大模型

步骤

1. 安装DashScope SDK

2. 获得API-KEY：开通DashScope并创建API-KEY