标签归档：算法

知识问答

gpt-2如何使用？gpt-2和BERT的区别是？

2023年3月6日 Python实用宝典留下评论

gpt-2如何使用？

gpt2 模型：https://github.com/openai/gpt-2

GPT-2是一个非常强大的语言生成模型，可以用于各种自然语言处理任务，如文本生成、语言理解、机器翻译、情感分析等等。下面是一些使用GPT-2的基本步骤：

安装GPT-2模型：在使用GPT-2之前，您需要下载和安装模型。您可以从OpenAI官方网站下载模型，或使用一些已经封装好的Python库来获取模型。
准备数据：在使用GPT-2生成文本之前，您需要准备一个语料库。这个语料库可以是您自己的文本数据集，也可以是从互联网上抓取的数据集。
运行GPT-2：一旦您准备好了数据和模型，您就可以开始运行GPT-2了。根据您的任务，您可能需要微调模型或使用不同的超参数来优化生成的文本。
生成文本：一旦您的模型已经训练好了，您可以使用它来生成文本。您可以通过调用模型的API或使用一些现成的工具来生成文本。

需要注意的是，由于GPT-2是一个非常大的模型，它需要大量的计算资源来训练和使用。因此，在使用GPT-2之前，您需要确保您的计算资源足够，并且您具备足够的技术知识来正确地配置和运行模型。

gpt-2和BERT的区别是？

BERT模型：https://github.com/google-research/bert

GPT-2和BERT是两个基于深度学习的自然语言处理模型，它们在许多方面都有所不同。下面是一些主要的区别：

任务类型：GPT-2是一个生成式模型，它可以生成连续的文本序列，比如文章、故事或对话。而BERT是一个判别式模型，它可以对输入的文本进行分类、回归等任务。
输入方式：GPT-2的输入是一个上下文序列，模型会根据这个序列生成一个下一个单词或词组，可以被用于语言模型、文本生成等任务。BERT的输入则是一个完整的文本，模型会输出这个文本的某种特征表示，可以被用于文本分类、情感分析等任务。
训练数据：GPT-2使用的训练数据是从互联网上采集的大量文本数据，而BERT使用的是一些特定的任务数据集，例如阅读理解、问答等任务。
架构：GPT-2采用的是自回归架构（Autoregressive Architecture），即模型会根据之前的输入生成下一个单词，一步步生成整个文本序列。BERT采用的是编码器-解码器架构（Encoder-Decoder Architecture），即模型会将输入编码成一个表示，然后解码为输出。
预训练目标：GPT-2的预训练目标是使用未来的单词来预测当前的单词，这被称为掩码语言建模（Masked Language Modeling）。BERT的预训练目标则包括两种任务：掩码语言建模和下一句预测（Next Sentence Prediction）。

总之，GPT-2和BERT在任务类型、输入方式、训练数据、架构和预训练目标等方面都有所不同，具体使用哪个模型取决于您的任务和数据。

Python 数据分析、安全、算法

Python 全自动解密解码神器 — Ciphey

2021年7月19日 Python实用宝典留下评论

Ciphey 是一个使用自然语言处理和人工智能的全自动解密/解码/破解工具。

简单地来讲，你只需要输入加密文本，它就能给你返回解密文本。就是这么牛逼。

有了Ciphey，你根本不需要知道你的密文是哪种类型的加密，你只知道它是加密的，那么Ciphey就能在3秒甚至更短的时间内给你解密，返回你想要的大部分密文的答案。

下面就给大家介绍 Ciphey 的实战使用教程。

1.准备

开始之前，你要确保Python和pip已经成功安装在电脑上，如果没有，请访问这篇文章：超详细Python安装指南进行安装。

(可选1) 如果你用Python的目的是数据分析，可以直接安装Anaconda：Python数据分析与挖掘好帮手—Anaconda，它内置了Python和pip.

(可选2) 此外，推荐大家用VSCode编辑器来编写小型Python项目：Python 编程的最好搭档—VSCode 详细指南

Windows环境下打开Cmd(开始—运行—CMD)，苹果系统环境下请打开Terminal(command+空格输入Terminal)，输入命令安装依赖：

pip install -U ciphey

2.Ciphey 基本使用

有3种方法可以运行 Ciphey：

1. 文件输入：

ciphey -f encrypted.txt
# 或
python -m ciphey -f encrypted.txt

2.不规范的方法：

ciphey -- "Encrypted input"
# 或
python -m ciphey -- "Encrypted input"

3.正常方式

ciphey -t "Encrypted input"
# 或
python -m ciphey -t "Encrypted input"

如下图所示：

要去除进度条、概率表和所有噪音，请使用安静模式：

ciphey -t "encrypted text here" -q

3.在Python中调用Ciphey

如果你需要在Python中使用Ciphey，请这样使用：

# Python实用宝典
# 2021/07/19
from ciphey.__main__ import main, main_decrypt, make_default_config
main_decrypt(make_default_config("SGVsbG8gbXkgbmFtZSBpcyBiZWUgYW5kIEkgbGlrZSBkb2cgYW5kIGFwcGxlIGFuZCB0cmVl"))
# >> Hello my name is bee and I like dog and apple and tree

运行后会输出如下的结果：

效果还是相当不错的，如果你不想输出概率表，只想要解密内容，代码需要这么写：

# Python实用宝典
# 2021/07/19
from ciphey.__main__ import main, main_decrypt, make_default_config
config = make_default_config("SGVsbG8gbXkgbmFtZSBpcyBiZWUgYW5kIEkgbGlrZSBkb2cgYW5kIGFwcGxlIGFuZCB0cmVl")
config["grep"] = True
main_decrypt(config)
# >> Hello my name is bee and I like dog and apple and tree

非常Nice，你根本无需知道这是什么编码。

Ciphey 支持解密的密文和编码多达51种，下面列出一些基本的选项

基本密码：

Caesar Cipher
ROT47 (up to ROT94 with the ROT47 alphabet)
ASCII shift (up to ROT127 with the full ASCII alphabet)
Vigenère Cipher
Affine Cipher
Binary Substitution Cipher (XY-Cipher)
Baconian Cipher (both variants)
Soundex
Transposition Cipher
Pig Latin

现代密码学：

Repeating-key XOR
Single XOR

编码：

Base32
Base64
Z85 (release candidate stage)
Base65536 (release candidate stage)
ASCII
Reversed text
Morse Code
DNA codons (release candidate stage)
Atbash
Standard Galactic Alphabet (aka Minecraft Enchanting Language)
Leetspeak
Baudot ITA2
URL encoding
SMS Multi-tap
DMTF (release candidate stage)
UUencode
Braille (Grade 1)
……

Ciphey 的功能不仅于本文介绍的这些，本文所介绍的只是冰山一角，它还可以添加属于你自己的解码器：

https://github.com/Ciphey/Ciphey/wiki/Adding-your-own-ciphers

如果要进一步的学习，你可以在上述 Ciphey 的 Github Wiki 介绍中，查阅到更多的资料，进行更深层次的学习。

我们的文章到此就结束啦，如果你喜欢今天的 Python 教程，请持续关注Python实用宝典。

有任何问题，可以在公众号后台回复：加群，回答相应验证信息，进入互助群询问。

原创不易，希望你能在下面点个赞和在看支持我继续创作，谢谢！

我要打赏

Python实用宝典 ( pythondict.com )
不只是一个宝典
欢迎关注公众号：Python实用宝典

算法、Python绘图

Python 画图深入理解递归

2016年12月5日 Python实用宝典留下评论

效果图，理解本程序递归的时候请盯死它。这篇文章可以说是雪花第三弹了。

当然，这次重点不在于画画，而是在于理解好递归。即便你不会python,在我的注释的帮助下你也可以看懂这个代码（是看懂不是理解）。另外有python的同学可以打进去试试，观察完整绘画过程更有利于理解。

import turtle
def tree(branchLen,t):
#定义一个画画的函数，下面是重点，需要大家自行理解。
    if branchLen > 6:
        t.forward(branchLen)
        #前进branchLen长度
        t.right(20)
        #右转20°
        tree(branchLen-15,t)
        #递归
        t.left(40)
        tree(branchLen-15,t)
        t.right(20)
        t.backward(branchLen)
        #后退branchLen长度
t = turtle.Turtle()
#创造画笔
mytree = turtle.Screen()
#显示可视化窗口
t.left(90)
#转到垂直向上
t.up()
#提起画笔，为了后面调整位置
t.backward(100)
#调整位置
t.down()
#画笔落下
t.color("blue")
#调整画笔颜色
tree(90,t)
#开始画画
mytree.exitonclick()
#防止一画完就自动退出

可能最难理解的部分：

def tree(branchLen,t):
    #定义一个画画的函数，这是个重点，需要大家自行理解。
    if branchLen > 6:
        t.forward(branchLen)
        t.right(20)
        tree(branchLen-15,t)
        t.left(40)
        tree(branchLen-15,t)
        t.right(20)
        t.backward(branchLen)

实际上通过语言形象地把递归讲好是有点难度的，这里我只能尽量解释。首先如果我们设定长度为90.那么第一个递归语句（需要说明的是，第一个递归语句是最后结束的）：

        tree(branchLen-15,t)
        t.left(40)

它一共要递归7次，只不过第七次当branchLen = 15 的时候刚好为0不满足条件。我们从这里开始。

此时的位置：

到这里为止，向左转40°

t.left(40)

就是想要画出那个分叉口，但是由于此时的branchLen = 15,当它执行第二个递归语句的时候

tree(branchLen-15,t)

发现无法满足条件，因此又右转20°并返回到原来开始画分叉的那个结点（就是第五个转方向的地点）。

这个小小小小小递归结束，回到branchLen = 30,这时候就能够执行

        t.left(40)
        tree(branchLen-15,t)
        t.right(20)
        t.backward(branchLen)

没错，这里又进行了一次递归。因此它顺利画出分叉：

然后返回到长度为30的那一个结点，如图

此时回到上一层递归，branchLen = 45.又开始一个新的递归，然后这个新的递归里又产生了一个新递归，这个新递归又调用一次递归，最终这个递归无法满足条件回到上一个递归画出了叉口，再返回上一次递归branchLen = 60.然后又开始一个新的递归……

请记住，回归结点的时候从这几行代码开始：

        t.left(40)
        tree(branchLen-15,t)
        t.right(20)
        t.backward(branchLen)

如果你想很好地理解递归，你可以从这个程序开始。因为它很形象。

欢迎关注微信公众号：Python实用宝典

Python 实用宝典