TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #851 · 2.08
Впервые использовал нейросетку для реальной практической пользы в коммерческом заказе. У заказчика есть база данных, куда информация вносится кое-как. Представьте, что вы составляете каталог, например, книг, и в базе данных предусмотрены поля: "Автор книги", "Название книги", "Число страниц" и ещё десяток других полей с информацией. Но заполняют эту базу другие люди, которых вы не контролируете, поэтому информация может случайным образом лежать в любом произвольном поле, быть введена с ошибками, опечатками и так далее. В реальном заказе были не книги, я просто привожу пример такой же задачи. Вот как это может выглядеть: 1. В поле "Автор" написано "Лондон, Дж. Белый Клык", поле "Название" при этом пустое. 2. В поле "Название" написано "150-страничный сборник рецептов", поле "Число страниц" пустое 3. В поле "Название" написано "джеклондон мартин иден", поле с автором пустое 4. В поле "Автор" написано "150-стр.3изд,доп.перераб инструкция по пользованию подстанциями типа ТП-13, М.Васильев москва 98" ...и так далее. А нужно искать нормально по автору, названию, числу страниц, городу и году издания. Никакими прямыми алгоритмами это не берётся: регулярки, поиск по ключевым словам, морфология, нечёткая логика — всё это либо даёт много ложноположительных результатов, либо (если подкрутить пороговые значения) вообще перестаёт искать. И вот тут в какой-то момент мы решили попробовать запрашивать через API GPT. Нейросетке задаётся следующий промт: "Есть следующая информация: «150-страничный роман джеклондон мартин иден». Если здесь есть то, что похоже на имя автора книги, напиши мне его, иначе ответь null". И, надо сказать, даже 3.5 справляется с этой работой очень хорошо. Получилось сравнительно без ошибок разметить около 80% данных (остальные с ошибками даже после нейросетки). Но, важный нюанс. Сначала мы пытались поймать все данные одним запросом: "GPT, выведи мне JSON, в котором есть автор, название, число страниц...", но тесты показали, что значительно эффективнее будет отдельно спросить 5 раз про 5 разных типов данных. Да, это расходует больше токенов, но они и так сравнительно дёшевы. Кстати, API у OpenAI безбожно глючит даже на платном тарифе. Обещанных 3500 запросов в минуту нет даже приблизительно. По факту удаётся отправлять около 200-300 запросов в минуту, потом оно вываливается в таймауты или ошибку 429, нужно делать какие-то умные паузы, ждать итд. Над этим всем пришлось повозиться, зато результат вполне ощутимый. #dev
Hashtags
Търсене: #variations
@exploreclassical · Post #364 · 10.01.2022 г., 15:03
继上一首借鉴莫扎特的作品之后，又发现一首贝多芬和莫扎特有关的作品，从魔笛 改编的variations～分享一首”Bei Männern, welche Liebe fühlen”，钢琴和大提琴作为duet的两“人”，一唱一和蛮有意思的～介绍中还提到贝多芬是使大提琴变成独奏乐器的重要人物～ #Beethoven#variations#Mozart https://www.youtube.com/watch?v=bsSkpK-jS8w
Hashtags
@exploreclassical · Post #169 · 06.01.2021 г., 00:32
鄙人的老师扔来了这首曲子……well可能弹不下来但是给大家分享一下吧～ #schumann#variations#piano https://www.youtube.com/watch?v=yW4g-sm_IBI
Hashtags
@exploreclassical · Post #130 · 15.12.2020 г., 14:26
今天分享一首短一点，“轻松”一点的作品，6 Variations in F major on an Original Theme, Op.34. 这首和Op.35 Eroica variation几乎同时创作，二者同时发表，都很创新，贝多芬在写给出版商的心里这么写道：“As a rule I only hear of it from others when I have new ideas, since I never know it myself; but this time—I myself can assure you that in both works the style is quite new for me." 这首variation的创新之处是每一个variation都在不同的key上，并且成三度下降关系（除了最后一首），分别为：F major (theme) -> D major (Var I) -> Bb major (Var II) -> G major (Var III) -> Eb major (Var IV)-> C minor (Var V，这个variation是一个funeral march，很容易让人联想到Eroica Symphony的funeral march) -> F major (Var VI)。 #Beethoven#Beethember#piano#variations https://www.youtube.com/watch?v=uRj5UtuxfPs&feature=youtu.be