InternLM第四期入门岛第2关Python 基础知识

最新推荐文章于 2026-08-17 23:30:53 发布

原创最新推荐文章于 2026-08-17 23:30:53 发布 · 398 阅读

8 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

任务一：完成Leetcode 383, 笔记中提交代码与leetcode提交通过截图

解题思路如下：

1.首先，我们需要知道杂志（magazine）中每个字母的出现次数。使用一个长度为26的数组，其中每个位置代表一个英文字母（从'a'到'z'）。遍历杂志字符串，对于每个字符，将其转换为小写（以确保不区分大小写），然后增加对应数组位置的计数。

2.遍历赎金信（ransomNote）字符串。对于每个字符，我们同样将其转换为小写，并尝试从之前计算的字符计数中减去该字符的计数（表示我们使用了这个字符）。如果在任何时候，我们尝试减去一个字符的计数，但发现该字符的计数已经是0或负数（表示该字符在杂志中的数量不足以满足赎金信的需求），则我们可以立即断定无法用杂志来构造赎金信，并返回false。如果我们成功遍历了赎金信字符串而没有遇到任何问题（即所有字符的计数都足够），则我们可以断定可以用杂志来构造赎金信，并返回true。

解题代码：

运行结果：

任务二：下面是一段调用书生浦语API实现将非结构化文本转化成结构化json的例子，其中有一个小bug会导致报错。请大家自行通过debug功能定位到报错原因并做修正。

获取书生浦语APIKey

然后运行源代码时会报如下错误：

错误信息表明没有openai模块，然后我在代码中加入断点，定位到报错原因。

最后，通过安装openai库，成功解决问题。

pip install openai

修改后的代码为：

from openai import OpenAI
import json
def internlm_gen(prompt,client):
    '''
    LLM生成函数
    Param prompt: prompt string
    Param client: OpenAI client 
    '''
    response = client.chat.completions.create(
        model="internlm2.5-latest",
        messages=[
            {"role": "user", "content": prompt},
      ],
        stream=False
    )
    return response.choices[0].message.content

api_key = ''
client = OpenAI(base_url="https://internlm-chat.intern-ai.org.cn/puyu/api/v1/",api_key=api_key)

content = """
书生浦语InternLM2.5是上海人工智能实验室于2024年7月推出的新一代大语言模型，提供1.8B、7B和20B三种参数版本，以适应不同需求。
该模型在复杂场景下的推理能力得到全面增强，支持1M超长上下文，能自主进行互联网搜索并整合信息。
"""
prompt = f"""
请帮我从以下``内的这段模型介绍文字中提取关于该模型的信息，要求包含模型名字、开发机构、提供参数版本、上下文长度四个内容，以json格式返回。
`{content}`
"""
res = internlm_gen(prompt,client)
res_json = json.loads(res)
print(res_json)

此处我隐藏了自己的APIKey

附笔记：

1.创建虚拟环境

conda create --name myenv python=3.9

创建虚拟环境时我们主要需要设置两个参数，一是虚拟环境的名字，二是python的版本。

2.安装虚拟环境到指定目录

conda create --prefix /root/envs/myenv python=3.9

3..激活虚拟环境

conda activate myenv

4..退出环境，回到默认环境

conda deactivate

5.pip安装包

（1）

pip install <somepackage> # 安装单个包，<somepackage>替换成你要安装的包名
pip install pandas numpy # 安装多个包，如panda和numpy
pip install numpy==2.0 # 指定版本安装
pip install numpy>=1.19,<2.0 # 使用版本范围安装

（2）如果你有一个包含所有依赖信息的requirements.txt文件，可以使用-r一次性安装所有依赖。

pip install -r requirements.txt

（3）安装到指定目录

# 首先激活环境
conda activate /root/share/pre_envs/pytorch2.1.2cu12.1

# 创建一个目录/root/myenvs，并将包安装到这个目录下
mkdir -p /root/myenvs
pip install <somepackage> --target /root/myenvs

# 注意这里也可以使用-r来安装requirements.txt
pip install -r requirements.txt --target /root/myenvs

标签

#算法