注意
即将下线，请用新版API/SDK，详细请参见火山方舟 SDK V1/V2下线公告及迁移指引。
注意
目前仅支持 python>=3.5。
''' Usage: 1. python3 -m pip install --user volcengine 2. VOLC_ACCESSKEY=XXXXX VOLC_SECRETKEY=YYYYY python main.py 3 api document: "https://www.volcengine.com/docs/82379/1222542" 4 使用说明： 只需要添加ak，sk，即可测试各接口 测试不同接口: 只需要去掉不同接口的注释即可 ''' import os from volcengine.maas.v2 import MaasService from volcengine.maas import MaasException, ChatRole # 测试tokenize分词接口 def test_tokenize(maas, endpoint_id, req): try: resp = maas.tokenize(endpoint_id, req) except MaasException as e: print(e) return resp # 构造分词请求 def construct_tokenize_req(prompt): tokenizeReq = { "text": prompt, } return tokenizeReq # 测试api接口 def test_chat(maas, endpoint_id, req): try: resp = maas.chat(endpoint_id, req) print(resp) except MaasException as e: print(e) # # # 测试流式api接口-原始接口 # def test_stream_chat(maas, endpoint_id, req): # try: # resps = maas.stream_chat(endpoint_id, req) # for resp in resps: # print(resp) # except MaasException as e: # print(e) # 测试流式api接口 def test_stream_chat(maas, endpoint_id, req): try: resps = maas.stream_chat(endpoint_id, req) output = "" for resp in resps: # print(resp) if resp['choices'][0]['message']['content']: output = output + resp['choices'][0]['message']['content'] # print(resp.choice.message.content) print(output) except MaasException as e: print(e) # 构造正常调用请求 def construct_req(prompt): req = { "parameters": { "max_new_tokens": 1000, # 输出文本的最大tokens限制 "min_new_tokens": 1, # 输出文本的最小tokens限制 "temperature": 0.01, # 用于控制生成文本的随机性和创造性，Temperature值越大随机性越大，取值范围0~1 "top_p": 0.7, # 用于控制输出tokens的多样性，TopP值越大输出的tokens类型越丰富，取值范围0~1 "top_k": 0, # 选择预测值最大的k个token进行采样，取值范围0-1000，0表示不生效 "max_prompt_tokens": 3000, # 最大输入 token 数，如果给出的 prompt 的 token 长度超过此限制，取最后 max_prompt_tokens 个 token 输入模型。 "repetition_penalty": 1.1 # 重复token输出的惩罚项 }, # 如果是单轮对话，构造message的方式 "messages": [ { "role": ChatRole.USER, "content": prompt } ] # # 如果是多轮对话，构造message的方式 # "messages": [ # { # "role": ChatRole.USER, # "content": "我对北京的美食很感兴趣，你能给我一些推荐吗？" # }, { # "role": ChatRole.ASSISTANT, # "content": "没问题，北京有很多著名的美食，比如烤鸭、老北京炸酱面、涮羊肉等。你有特别喜欢的口味或者菜系吗？" # }, { # "role": ChatRole.USER, # "content": "我比较喜欢川菜，有没有川菜馆推荐呢？" # } # ] } return req # 测试分类接口 def test_classification(maas, endpoint_id, req): try: resp = maas.classification(endpoint_id, req) print(resp) except MaasException as e: print(e) # 构造分类接口的调用请求 def construct_classification_req(): req = { "query": "中国的第一个经济特区是？", "labels": ["北京", "珠海", "深圳", "厦门", "上海"] # 输出的结果都在labels的选项内 } return req if __name__ == '__main__': # 如果调用的时候，遇到Read time out问题，可以尝试调大connection_timeout和socket_timeout maas = MaasService('maas-api.ml-platform-cn-beijing.volces.com', 'cn-beijing', connection_timeout=600, socket_timeout=600) # 设置客户或者个人在方舟账号的ak，sk maas.set_ak(os.getenv("VOLC_ACCESSKEY")) maas.set_sk(os.getenv("VOLC_SECRETKEY")) endpoint_id = "{YOUR_ENDPOINT_ID}" prompt = ''' 为一群10-15岁的孩子编写一篇介绍太空探索历史的文章。 ''' # chat接口调用 test_chat(maas, endpoint_id, construct_req(prompt)) # # 流式chat接口调用(当token长度过长，输出很慢的时候，可以尝试走流式chat接口) test_stream_chat(maas, endpoint_id, construct_req(prompt)) # # 测试分类接口调用(严格要求输出结果，必须在labels的选项内的时候，可以调用) test_classification(maas, endpoint_id, construct_classification_req()) # # 测试分词接口 response = test_tokenize(maas, endpoint_id, construct_tokenize_req(prompt)) print(response) print("总共的token数:"+str(response['total_tokens']))
注意
目前仅支持 python>=3.5。
''' Usage: 1. python3 -m pip install --user volcengine 2. VOLC_ACCESSKEY=XXXXX VOLC_SECRETKEY=YYYYY python main.py 3 api document: “https://www.volcengine.com/docs/82379/1222542” ''' import os from volcengine.maas.v2 import MaasService from volcengine.maas import MaasException, ChatRole import pandas as pd import numpy as np # 测试tokenize分词接口 def test_tokenize(maas, endpoint_id, req): try: resp = maas.tokenize(endpoint_id, req) except MaasException as e: print(e) return resp # 构造分词请求 def construct_tokenize_req(prompt): tokenizeReq = { "text": prompt, } return tokenizeReq # 测试api接口 def test_chat(maas, endpoint_id, req): try: resp = maas.chat(endpoint_id, req) print(resp) return resp['choices'][0]['message']['content'] except MaasException as e: print(e) # # # 测试流式api接口-原始接口 # def test_stream_chat(maas, endpoint_id, req): # try: # resps = maas.stream_chat(endpoint_id, req) # for resp in resps: # print(resp) # except MaasException as e: # print(e) # 测试流式api接口 def test_stream_chat(maas, endpoint_id, req): try: resps = maas.stream_chat(endpoint_id, req) output = "" for resp in resps: # print(resp) if resp['choices'][0]['message']['content']: output = output + resp['choices'][0]['message']['content'] # print(resp.choice.message.content) print(output) except MaasException as e: print(e) # 构造正常调用请求 def construct_req(prompt): req = { "parameters": { "max_new_tokens": 1000, # 输出文本的最大tokens限制 "min_new_tokens": 1, # 输出文本的最小tokens限制 "temperature": 0.01, # 用于控制生成文本的随机性和创造性，Temperature值越大随机性越大，取值范围0~1 "top_p": 0.7, # 用于控制输出tokens的多样性，TopP值越大输出的tokens类型越丰富，取值范围0~1 "top_k": 0, # 选择预测值最大的k个token进行采样，取值范围0-1000，0表示不生效 "max_prompt_tokens": 3000, # 最大输入 token 数，如果给出的 prompt 的 token 长度超过此限制，取最后 max_prompt_tokens 个 token 输入模型。 "repetition_penalty": 1.1 # 重复token输出的惩罚项 }, # 如果是单轮对话，构造message的方式 "messages": [ { "role": ChatRole.USER, "content": prompt } ] # # 如果是多轮对话，构造message的方式 # "messages": [ # { # "role": ChatRole.USER, # "content": "我对北京的美食很感兴趣，你能给我一些推荐吗？" # }, { # "role": ChatRole.ASSISTANT, # "content": "没问题，北京有很多著名的美食，比如烤鸭、老北京炸酱面、涮羊肉等。你有特别喜欢的口味或者菜系吗？" # }, { # "role": ChatRole.USER, # "content": "我比较喜欢川菜，有没有川菜馆推荐呢？" # } # ] } return req # 测试分类接口 def test_classification(maas, endpoint_id, req): try: resp = maas.classification(endpoint_id, req) print(resp) except MaasException as e: print(e) # 构造分类接口的调用请求 def construct_classification_req(): req = { "query": "中国的第一个经济特区是？", "labels": ["北京", "珠海", "深圳", "厦门", "上海"] # 输出的结果都在labels的选项内 } return req def eval_accuracy(labels, responses): return np.sum([labels[i] == responses[i] for i in range(len(labels))]) / (len(labels) * 1.0) if __name__ == '__main__': # 如果调用的时候，遇到Read time out问题，可以尝试调大connection_timeout和socket_timeout maas = MaasService('maas-api.ml-platform-cn-beijing.volces.com', 'cn-beijing', connection_timeout=600, socket_timeout=600) # 设置客户或者个人在方舟账号的ak，sk maas.set_ak(os.getenv("VOLC_ACCESSKEY")) maas.set_sk(os.getenv("VOLC_SECRETKEY")) endpoint_id = "{YOUR_ENDPOINT_ID}" prompt = ''' 假如你是一个情感分析大师，请判断如下情感，是属于积极还是消极，要求: 1 输出只有有两种可能，积极 或者 消极 情感: %s 输出: ''' # excel文件名 excel_file_name = '/Users/bytedance/Downloads/fangzhou_emotion.xlsx' # excel的sheet_name sheet_name = 'emotion' # 读取excel，假定excel_file_name，总共只有两列，列名分别是：['情感', 'label'], excel的内容如下： # 情感 label # 今天的天气真好！ 积极 # 这场雨下得让人心情烦 消极 # 亲爱的用户，感谢您的注册，祝您使用愉快！ 积极 data = pd.read_excel(excel_file_name, sheet_name=sheet_name) labels = [] responses = [] for index, row in data.iterrows(): print("当前case:", index) req_input = (prompt % (row['情感'])) response = test_chat(maas, endpoint_id, construct_req(req_input)) labels.append(row['label']) responses.append(response) acc = eval_accuracy(labels, responses) print("准确率:", acc)