OpenAI Assistants API(Playground)を使ってコーディングのアドバイスをしてくれるアシスタントを作る
OpenAI Assistants API OpenAI Dev Day色々アップデートありましたね。 Visionとか、Turboとか着実にすごくて便利そうですが、ちょっとだけわかりづらそうなAssistants APIを使ってみました。 Assistants APIは、Playgroundで試してみるのが簡単でオススメです。ノーコードで機能を試せます。以下リンクから入ってください。 Assistant Playground Playgroundでコーディングのアドバイスをしてくれるアシスタントを作る さっそくアシスタントを作ってみます。比較的（？）実用的なものとしてコーディングのアドバイスをしてくれるアシスタントを作ってみます。 「+Create」ボタンでアシスタントを新規作成します。 以下のように設定します。Instructionsにプロンプトを入力して、モデルを選ぶだけです。オプシ
自分のコンテンツを学習したカスタムChatBotを作る方法
カスタムChatBotを作る ChatGPT全盛の時代に、何番煎じだ？という感じですが、とりあえずやってみたので手順を残しておきます。プロンプトエンジニアリングの観点ですと、いわゆるIn-Context LearningのRetrieval-Augmented Generation（RAG）ってやつになると思います。プロンプトエンジニアリングに関しては以下記事参照ください。 具体的な手段・実装としては、基本的にnpaka大先生のやったことや書籍を大いに参考にさせていただいています。 OpenAI GPT-4/ChatGPT/LangChain 人工知能プログラミング実践入門 以前、はてなブログのデータだけでやってみてはいたのですが、イマイチ性能がよくなかったので、今回は色々と改善版という位置づけです。 大きく変えたところは以下2つです。 データを増やした（ブログデータ → ブログデータ +
Advanced Data Analysis（旧ChatGPT Code Interpreter）の活用方法を片っ端から試していく
Advanced Data Analysis（旧ChatGPT Code Interpreter）の活用方法を片っ端から試していく ChatGPT Code Interpreterをとにかく触ってみる 「Code Interpreterが凄い！」と、みんなが騒いでいるのでとりあえずネットで目についた活用方法を片っ端から試していきたいと思います。 試したら追記していきます。 Code Interpreterのセットアップ 以下3ステップです。簡単ですね。よく分からなかったら別のサイトみてください。 ChatGPT Plusに課金 Setting Beta featuresでCode interpreterのトグルをオン ChatGPTのGPT4でCode Interpreterを選択 以下参考のスクリーンショットです。 Code Interpreterの活用例 ここから活用例を載せていきます
自宅で動くChatGPTと噂のFlexGenをDockerで手軽に動かす
自宅で動くChatGPTと噂のFlexGenを試す shi3zさんが興奮して動かしていたFlexGen 関係する記事は以下 ツヨツヨGPUが無いと動かないと思っていたのですが、タイムラインでミクミンPさんが、RTX3060でFlexGenを動かしているツイートを発見。 「RTX3060なら自分も持っている！」ということで、試してみることにしました。 追記： 私がこの記事で動かしているのは小さいモデルです。とりあえずお試しで動かしただけで、shi3zさんが動かしているモデルとは異なります。 性能の参考にする記事ではないので、ご承知ください。より大きいサイズのモデルの使用に関しては、FlexGenの公式リポジトリを参照ください。私も今後試したら追記していきます（現状、私の環境では動かせてないです）。 FlexGenをDockerで動かす 結果的には、Dockerを使うことで簡単に動かせました。
Windows PCに安定したネイティブLinux環境を構築する方法
はじめに この記事を、WindowsとLinuxのデュアルブート環境を構築してOS両方吹き飛ばしたことのある全ての人に捧げます。 人類はなぜデュアルブート環境のOSを両方ふっとばすのか 主語が大きければ「人類」を「おろかな、からあげ」に置き換えてください。 「Linux試してみよー」と雑誌やネット記事に書いてあるままに、気軽にデュアルブート環境構築した人類には以下のようなワナが待ち受けています。 Linux環境が壊れて道連れでWindowsもブートしなくなる Linuxの再インストールに失敗してWindowsが吹き飛ぶ Windowsの再インストールしたらLinuxが吹き飛ぶ Windowsの大型アップデートでLinux環境が吹き飛ぶ 多くの人は、その後「二度とLinuxなんて入れるか！」と思ったり、一部のマニアはLinux専用機を買ったりするのではないでしょうか。 古いPCで遊ぶだけなら
Unity+ML-Agentsで強化学習環境の構築
Unity+ML-Agentsで強化学習 Unityで強化学習をやりたくなったので、セットアップしてみました。 公式のマニュアルは以下です。 ただ、凄い丁寧というわけではないので、Unity全然知らない自分は、結構悩んで色々なサイトのやり方を試行錯誤したり、バージョン違いに苦しみながらセットアップしました。メモとして残しておきます。 環境は、Intel Mac/Apple Silicon Mac/Linux/Windows(WSL2)を想定しています。Linux(Ubuntu)はまだ試していませんが、同じ要領でセットアップできると思います。 実際に、学習まで実施するには、以下の5ステップが必要です。 Python環境セットアップ ML-Agentsセットアップ Unityインストール UnityでML-Agentsを使う mlagents-learnで学習テスト 順に説明していきます。 P
PythonでSQL入門
SQLに入門したい 名前を聞いたことはあるけど、触れたことは無かったSQL。今後、必要になる可能性があるので、少し予習してみることにしました。 Twitterでつぶやいてみたら、色々本を勧めていただいたのでとりあえず2冊買いました。 どちらも初心者向けで分かりやすいと思いますが、個人的にはスッキリわかるSQL入門が好みかもしれません。 SQLとは何か？ SQL（Structured Query Language）というデータベースを操作する専用の言語です。データベース、個人レベルならCSVとかエクセルで良いのですが、大規模になるとSQLを使うことが多いようですね。理由はパフォーマンスとか、読み書き検索の使い勝手とか色々あるのでしょう（比較とかはしてないです）。 ちなみにSQLは通は「シークル」というらしいです。シークルといって通ぶりましょう。 そして、データベースを管理するにはSQLに従っ
ゲーミングPCのWindows環境セットアップ
はじめに 10年くらいMacばかり触ってて、久しぶりにWindowsに戻ってきた人のメモです。同じような境遇の人の何かの参考になれば幸いです。 基本的に個人的メモなのであまり期待はしないでください。購入したPCに関しては、以下記事参照ください。 OSセットアップ 最初にLinuxも動くようにしています。Windows環境とは直接関係ないのですが、参考まで。 可能ならWindowsの大型アップグレードを済ませてからLinux環境を構築したほうが良いと思います（アップグレード時にWindowsがLinux領域をぶっ壊すことがあるらしいので）。 Windowsライセンス認証 何はなくともWindowsのライセンス認証です。ライセンス登録しないと何か問題なるのかよくわかりませんが、せっかくライセンス持っているのですし、認証して気持ちよく使いましょう。ケース側面に貼り付けているシールを、硬貨で削ると
ゲーミングPCのローカルディープラーニング環境セットアップ
ゲーミングPCを買いました 噂のワクチン副作用です。というわけでとりあえずディープラーニング環境を構築したのでメモします。 Docker編とネイティブCUDA編の2本立てです。GPUはNVIDIA RTX3060です。PCに関して詳しくは、以下記事参照ください。 Docker編 Dockerセットアップ 直接CUDA入れるなんて、そんな怖いことなかなかできないですよね。 そんな我々の強い味方がDockerでのGPU使用です。以下記事を参考にインストールしていきます。 Dockerイメージ、NVIDIA GPUの型番、Nvidiaドライバのバージョンによって動いたり動かなかったりするので注意しましょう。自分の場合は、対応しているはずの組み合わせのバージョンでも学習がうまく動かなかったりしたので、動かなかったらとりあえずうまくいくバージョンがみつかるまで試しましょう。 TensorFlow/P
pyenv/pyenv-virtualenv/MiniForgeを使ったLinuxのPython環境構築
はじめに（LinuxのPython環境構築） この記事では、pyenv/pyenv-virtualenv/miniforgeを使ったLinuxでのPython環境構築に関して説明します。 「これがオススメ！」とか「2021年決定版」みたいな記事ではありません。ビジネスで使う人も想定してなくて「とりあえずデモをローカル環境で最短で動かしたい！」というホビーユース向け記事です。 「今更pyenv？プププ」と思っている人も多いでしょう。私自身、Docker使ったり、Apple Silicon MacでTensorFlow動かすためにMiniForgeを入れたりと紆余曲折を経て、いつの間にかpyenvに戻って来てしまいました。 「何故こんなことに…」という感じなのですが、戻ってきてしまったものは仕方ないです。なんだかんだで、ローカル環境で手軽にAI関係のカメラ関係のデモをパパっと動かすとき、pye
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
