Tag: 教程

随着技术的不断进步，有时您可能需要使用多个OpenAI服务实例来满足不同的需求。从版本6.9.0开始，OpenAI SDK提供了创建多个实例的功能，使您能够更灵活地管理和利用服务。在本文中，我们将详细介绍如何使用多个OpenAI服务实例，包括实现、依赖注入和配置设置。

步骤1：创建多个服务实例

首先，我们需要创建多个OpenAI服务实例。为此，我们将创建一个新的类，该类继承自OpenAIService。您可以根据自己的偏好为这个类命名，并且您可以创建任意数量的这样的类。重要的是确保每个类都具有唯一的设置键（Setting Key）。

以下是创建两个类的示例，分别命名为MyOpenAIService和MyAzureOpenAIService，它们都继承自OpenAIService：

public class MyOpenAIService : OpenAIService
{
    public const string SettingKey = "MyOpenAIService";
    [ActivatorUtilitiesConstructor]
    public MyOpenAIService(HttpClient httpClient, IOptionsSnapshot<OpenAiOptions> settings) : base(settings.Get(SettingKey), httpClient){}
    public MyOpenAIService(OpenAiOptions settings, HttpClient? httpClient = null) : base(settings, httpClient){}
}

public class MyAzureOpenAIService : OpenAIService
{
    public const string SettingKey = "MyAzureOpenAIService";
    [ActivatorUtilitiesConstructor]
    public MyAzureOpenAIService(HttpClient httpClient, IOptionsSnapshot<OpenAiOptions> settings) : base(settings.Get(SettingKey), httpClient){}
    public MyAzureOpenAIService(OpenAiOptions settings, HttpClient? httpClient = null) : base(settings, httpClient){}
}

步骤2：依赖注入

在定义了多个服务实例后，我们需要为它们进行依赖注入，以便在应用程序中使用。

serviceCollection.AddOpenAIService<MyOpenAIService>(MyOpenAIService.SettingKey);
serviceCollection.AddOpenAIService<MyAzureOpenAIService>(MyAzureOpenAIService.SettingKey);

通过上述代码，我们告诉应用程序如何识别和使用这些服务实例。

步骤3：使用多个服务实例

现在，您可以在应用程序中使用多个服务实例了。可以按以下方式使用它们：

var myOpenAIService = serviceProvider.GetRequiredService<MyOpenAIService>();
var myAzureOpenAIService = serviceProvider.GetRequiredService<MyAzureOpenAIService>();

或者，您可以将它们注入到控制器中，如下所示：

public MyController(MyOpenAIService myOpenAIService, MyAzureOpenAIService myAzureOpenAIService)
{
   _myOpenAIService = myOpenAIService;
   _myAzureOpenAIService = myAzureOpenAIService;
}

步骤4：配置设置

最后，确保您的配置文件已正确配置。以下是一个示例，展示了配置文件可能的设置：

{
  "OpenAIServiceOptions": {
    "MyOpenAIService": {
      "ApiKey": "sk-***Q"
    },
    "MyAzureOpenAIService": {
      "ApiKey": "3**a",
      "DeploymentId": "myDeploymentId",
      "ResourceName": "myResourceName",
      "ProviderType": "Azure"
    }
  }
}

请确保配置文件中的设置与您创建的服务实例名称匹配，以便SDK能够正确地加载这些设置。

结论

通过本文，您已经学会了如何使用多个OpenAI服务实例来更灵活地管理和利用服务。这对于满足不同需求的应用程序非常有用。通过实现、依赖注入和配置设置，您可以轻松地创建和使用多个服务实例，以提高应用程序的灵活性和可扩展性。

如果您对OpenAI服务的其他功能和用途感兴趣，还可以进一步研究和探索。OpenAI为开发者提供了丰富的工具和功能，可用于解决各种问题和挑战。

希望本文能够帮助您有效地使用多个OpenAI服务实例，同时也激发您在应用程序开发中的创造力和想象力。

在数字时代，人工智能和机器学习技术正在不断进步，为我们提供了许多令人惊叹的工具和应用程序。Azure OpenAI服务是微软提供的一项强大的云计算服务，可以用于生成图像、文本和更多内容。在本文中，我们将深入探讨如何使用Azure OpenAI服务生成图像，同时介绍了必要的设置和认证步骤。

步骤1：准备工作

在开始之前，我们需要安装必要的依赖项。这些依赖项将帮助我们与Azure OpenAI服务进行通信，并处理生成的图像。

! pip install openai
! pip install requests
! pip install pillow
! pip install azure-identity

除了安装依赖项外，还需要在Azure门户中创建必要的资源。你可以在Microsoft Docs中找到关于如何创建这些资源的详细指南。

一旦资源创建完毕，我们需要获取Azure OpenAI服务的端点（Endpoint）。你可以在Azure门户中的”资源管理” -> “密钥和端点”下找到端点信息。有了这个信息，我们就可以设置SDK以连接到Azure OpenAI服务。

import os
import openai

openai.api_base = '' # 在这里添加你的端点
openai.api_version = '2023-06-01-preview'

步骤2：认证

Azure OpenAI服务支持多种认证机制，包括API密钥和Azure凭据。

使用API密钥认证

要配置OpenAI SDK以使用Azure API密钥，我们需要设置api_type为azure，并将api_key设置为与你的端点关联的密钥。你可以在Azure门户的”资源管理” -> “密钥和端点”中找到这个密钥。

use_azure_active_directory = False

if not use_azure_active_directory:
    openai.api_type = 'azure'
    openai.api_key = os.environ["OPENAI_API_KEY"]

请注意，在这个示例中，我们通过在代码中设置变量来配置库以使用Azure API。但在开发过程中，考虑使用环境变量来配置，以提高安全性。

使用Microsoft Active Directory认证

现在，让我们看看如何通过Microsoft Active Directory认证来获取密钥。

from azure.identity import DefaultAzureCredential

if use_azure_active_directory:
    default_credential = DefaultAzureCredential()
    token = default_credential.get_token("https://cognitiveservices.azure.com/.default")

    openai.api_type = 'azure_ad'
    openai.api_key = token.token

需要注意的是，令牌在一段时间后会过期。为了确保每次请求都发送有效的令牌，你可以通过请求认证来刷新即将过期的令牌。下面是一个示例，展示了如何刷新令牌的过程。

步骤3：生成图像

设置和认证完成后，你现在可以使用Azure OpenAI服务生成图像，并从返回的URL中检索它们。

生成图像

首先，让我们生成图像。在这个过程中，我们需要提供一个提示（prompt），指示生成器生成什么样的图像。

generation_response = openai.Image.create(
    prompt='一只赛博朋克猴子梦见一串美味的香蕉，数字艺术',
    size='1024x1024',
    n=2
)

print(generation_response)

在上述代码中，我们通过调用Image.create方法生成了图像。生成的图像将包含在响应中。

下载并显示图像

有了生成图像的URL，我们可以使用requests库来下载图像，并使用Pillow库来打开和显示它。

import os
import requests
from PIL import Image

image_dir = os.path.join(os.curdir, 'images')
if not os.path.isdir(image_dir):
    os.mkdir(image_dir)

image_path = os.path.join(image_dir, 'generated_image.png')
image_url = generation_response["data"][0]["url"]
generated_image = requests.get(image_url).content

with open(image_path, "wb") as image_file:
    image_file.write(generated_image)

display(Image.open(image_path))

上述代码首先设置了保存图像的目录，并下载了生成的图像。然后，它使用Pillow库来打开图像并在Jupyter Notebook中显示出来。

结论

通过本文，我们深入探讨了如何使用Azure OpenAI服务生成图像。从设置和认证到生成图像和显示图像，我们详细介绍了整个过程。Azure OpenAI服务为开发者提供了一个强大的工具，可用于自动化生成图像，这在许多应用中都具有潜力。

如果你对Azure OpenAI服务的其他功能和用途感兴趣，还可以进一步研究和探索。Azure提供了丰富的机器学习和人工智能工具，可用于解决各种问题和挑战。

希望本文能够帮助你开始使用Azure OpenAI服务生成图像，同时也激发你探索更多机器学习和人工智能领域的想法。

在数字时代，人工智能和自动化已经深刻影响了我们的生活。你可能已经听说过Azure，这是微软提供的云计算服务，其中包括强大的人工智能功能。今天，我们将深入探讨如何利用Azure的端点来实现自动完成（Completions）。这是一项功能强大的任务，可以用于自动化文本生成、智能推荐等多个领域。本文将为你详细介绍如何设置和使用Azure端点，以实现自动完成。

步骤1：准备工作

在开始之前，我们需要进行一些设置。首先，我们要确定Azure的API版本和端点（Endpoint）。要找到你的API端点，请登录Azure门户，找到你的资源，然后在”资源管理” -> “密钥和端点”下查找”端点”值。

import os
import openai

openai.api_version = '2023-05-15'
openai.api_base = '' # 请在此处添加你的端点

接下来，我们需要设置API类型和API密钥。根据你的需求，你可以从门户获取密钥，也可以通过Microsoft Active Directory Authentication获取。根据这两种情况，API类型是azure或azure_ad。

设置：门户

首先，让我们看看如何从Azure门户获取密钥。登录Azure门户，找到你的资源，然后在”资源管理” -> “密钥和端点”下查找一个”Keys”值。

openai.api_type = 'azure'
openai.api_key = os.environ["OPENAI_API_KEY"]

请注意，在此示例中，我们通过在代码中设置变量来配置库以使用Azure API。但在开发过程中，考虑使用环境变量来配置：

• OPENAI_API_BASE
• OPENAI_API_KEY
• OPENAI_API_TYPE
• OPENAI_API_VERSION

设置：Microsoft Active Directory Authentication

现在，我们来看看如何通过Microsoft Active Directory Authentication获取密钥。如果你想使用Active Directory Authentication而不是门户中的密钥，请取消下面代码块的注释。

# from azure.identity import DefaultAzureCredential

# default_credential = DefaultAzureCredential()
# token = default_credential.get_token("https://cognitiveservices.azure.com/.default")

# openai.api_type = 'azure_ad'
# openai.api_key = token.token

需要注意的是，令牌在一段时间后会过期。为了确保每次请求都发送有效的令牌，你可以通过请求认证来刷新即将过期的令牌。

步骤2：部署模型

在这一步，我们将创建一个部署，使用text-davinci-002模型。这个部署将成为我们实现自动完成的关键。

手动创建部署

首先，登录Azure门户，在”资源管理” -> “模型部署”下创建一个新的部署。选择text-davinci-002作为模型。

deployment_id = '' # 请在此处填写门户中的部署ID

步骤3：实现自动完成

现在，我们将向部署发送一个样本自动完成请求。

prompt = "这顿饭很美味，服务员"
completion = openai.Completion.create(deployment_id=deployment_id,
                                     prompt=prompt, stop="。", temperature=0)

print(f"{prompt}{completion['choices'][0]['text']}。")

这段代码会将一个开始文本（prompt）发送给Azure的部署，然后返回一个自动完成的文本。在这个示例中，我们以“这顿饭很美味，服务员”为开头，要求模型生成以句号为终止的文本。

结论

通过这个教程，我们学会了如何使用Azure端点来实现自动完成。从设置API版本和端点，到创建部署并生成自动完成的文本，我们已经了解了整个过程。自动完成是一个非常强大的任务，可以在多个领域中提高工作效率和准确性。

如果你对Azure的其他功能和用途感兴趣，还可以进一步研究和探索。Azure提供了丰富的人工智能和云计算工具，可用于解决各种问题和挑战。

希望这个指南对你有所帮助，让你更好地利用Azure来实现自动完成和其他任务。