给大家整理了 18 种 ChatGPT 的用法，看看有哪些方法是你能得上的
语法更正
文本翻译
语言转换
代码解释
修复代码错误
作为百科全书
信息提取
好友聊天
创意生成器
采拜候题
论文大纲
故事创作
问题类比
创建 SQL 需求
情感分析
将产品描述转变为广告
关键字提取
闲聊机器人
语法更正
用途：文章、论文等润色。
文本翻译
用途：日常学习、商务翻译等。
语言转换
Python–>JAVA
用途：工作用途，不同语言工程师之间的合作，更加便利。
importnumpyasnp
importplotly.expressaspx
defthresholding_algo(y,lag,threshold):
"""
:paramy:输入列表
:paramlag:滑动窗口大小
:param threshold:调节系数，用于调节容忍范围的大小。
:return:
"""
# signals：信号列表
signals=np.zeros(len(y))
avgFilter=np.zeros(len(y))
#初始化平均值列表、差值列表
avgFilter[lag-1]=np.mean(y[0:lag])
dif_li=[0]*len(y)
foriinrange(lag,len(y)):
ifi<len(y)-lag-30:
forjinrange(i+11,len(y)):
ify[j]>=y[i-1]:
break
ifj>=len(y)-30:
back=y[i-1]
else:
back=np.mean(y[j+11:j+20+lag])
else:
back=y[i-1]
#前后均值差值计算
tmp=abs(back-avgFilter[i-1])
dif=(tmpiftmp>1else1)
ifabs(y[i]-avgFilter[i-1])>dif*threshold:
signals[i]=(1ify[i]>avgFilter[i-1]else-1)
avgFilter[i]=np.mean(y[(i-lag):i])
y[i]=avgFilter[i-1]
else:
signals[i]=0
avgFilter[i]=np.mean(y[(i-lag):i])
dif_li[i]=dif
returndict(signals=np.asarray(signals),
avgFilter=np.asarray(avgFilter),
y=np.asarray(y),
dif=np.asarray(dif_li),
)
publicstaticMap<String,double[]>thresholding_algo(double[]y,intlag,doublethreshold){
double[]signals=newdouble[y.length];
double[]avgFilter=newdouble[y.length];
Arrays.fill(avgFilter,0.0);
avgFilter[lag-1]=mean(Arrays.copyOfRange(y,0,lag));
double[]dif_li=newdouble[y.length];
Arrays.fill(dif_li,0.0);
for(inti=lag;i<y.length;i++){
intj;
if(i<y.length-lag-30){
for(j=i+11;j<y.length;j++){
if(y[j]>=y[i-1]){
break;
}
}
doubleback;
if(j>=y.length-30){
back=y[i-1];
}else{
back=mean(Arrays.copyOfRange(y,j+11,j+20+lag));
}
}else{
back=y[i-1];
}
doubletmp=Math.abs(back-avgFilter[i-1]);
doubledif=tmp>1?tmp:1;
if(Math.abs(y[i]-avgFilter[i-1])>dif*threshold){
signals[i]=y[i]>avgFilter[i-1]?1:-1;
avgFilter[i]=mean(Arrays.copyOfRange(y,i-lag,i));
y[i]=avgFilter[i-1];
}else{
signals[i]=0;
avgFilter[i]=mean(Arrays.copyOfRange(y,i-lag,i));
}
dif_li[i]=dif;
}
Map<String,double[]>result=newHashMap<>();
result.put("signals",signals);
result.put("avgFilter",avgFilter);
result.put("y",y);
result.put("dif",dif_li);
returnresult;
}
privatestaticdoublemean(double[]array){
doublesum=0.0;
for(doubled:array){
sum+=d;
}
returnsum/array.length;
}
代码解释-1
用途：当我们来到一家新的公司，发现前任工程师留下了一摊谁都看不懂的代码，这时候，如果有个人能帮我们解释一下这些代码是什么意思，那简直不要太开心。
defFusion_algorithm(y_list):
"""
最终的融合算法
1、第一次遍历列表:处理掉小于上一个值的点，使其等于上一个值。
2、第二次使用z-score来处理异常点：一种基于统计方法的时序异常检测算法借鉴了一些经典的统计方法，比如Z-score和移动平均线
该算法将时间序列中的每个数据点都看作是来自一个正态分布，通过计算每个数据点与其临接数据点的平均值和标准差，可以获得Z-score
并将其用于检测异常值，将z-score大于3的数据点视为异常值，缺点：如果异常点太多，则该算法的准确性较差。
3、
:paramy_list:传入需要处理的时间序列
:return:
"""
#第一次处理
foriinrange(1,len(y_list)):
difference=y_list[i]-y_list[i-1]
ifdifference<=0:
y_list[i]=y_list[i-1]
#基于突变检测的方法：如果一个数据点的值与前一个数据点的值之间的差异超过某个阈值，
#则该数据点可能是一个突变的异常点。这种方法需要使用一些突变检测算法，如Z-score突变检测、CUSUM（Cumulative Sum）
#else:
#ifabs(difference)>2*np.mean(y_list[:i]):
#y_list[i]=y_list[i-1]
#第二次处理
#计算每个点的移动平均值和标准差
ma=np.mean(y_list)
#std=np.std(np.array(y_list))
std=np.std(y_list)
#计算Z-score
z_score=[(x-ma)/stdforxiny_list]
#检测异常值
foriinrange(len(y_list)):
#如果z-score大于3，则为异常点，去除
ifz_score[i]>3:
print(y_list[i])
y_list[i]=y_list[i-1]
returny_list
代码解释-2
备注：上一个代码解释，我们可以看到，答案或许受到了代码中注释的影响，我们删掉注释，再来一次。对于解释中一些不懂的点，我们可以连续追问！
importnumpyasnp
fromsklearn.ensembleimportIsolationForest
importplotly.expressaspx
importmatplotlib.pyplotasplt
fromsklearn.clusterimportKMeans
importjson
defFusion_algorithm(y_list):
foriinrange(1,len(y_list)):
difference=y_list[i]-y_list[i-1]
ifdifference<=0:
y_list[i]=y_list[i-1]
#else:
#ifabs(difference)>2*np.mean(y_list[:i]):
#y_list[i]=y_list[i-1]
ma=np.mean(y_list)
std=np.std(y_list)
z_score=[(x-ma)/stdforxiny_list]
foriinrange(len(y_list)):
ifz_score[i]>3:
print(y_list[i])
y_list[i]=y_list[i-1]
returny_list
修复代码错误
用途：写完一段代码后发现有错误？让chatGPT来帮你！
###BuggyPython
importRandom
a=random.randint(1,12)
b=random.randint(1,12)
foriinrange(10):
question="Whatis"+a+"x"+b+"?"
answer=input(question)
ifanswer=a*b
print(Welldone!)
else:
print("No.")
作为百科全书
用途：chatGPT可以解释你所有的问题！但是列出小说这个功能有些拉跨，经过测试只有科幻小说列的还可以，其他类型不太行，可能chatgpt训练工程师是个科幻迷！
信息提取
用途：作为自然语言处理界的大模型，怎么能少得了信息提取呢？
好友聊天
用途：输入对方性格模拟聊天，这方面功能不太完善，可能有新鲜玩法我还没有挖掘出来。
创意生成器
用途：是不是常常会在创新上遇到思维瓶颈不知道怎么做？不要担心，让chatGPT帮你生成创意！
VR和密室结合
再结合AR
采拜候题
用途：可能您是一个媒体工作者，采拜候题不知道怎么写？chatGPT可以帮您解决。
采拜候题清单
采拜候题清单并给出相应答案
论文大纲
用途：这个功能对于研究生简直不要太爽了，一直在郁闷大纲怎么写，直接列出来大纲简直帮了我天大的忙！对于大纲中不理解的点，直接要求chatGPT给出进一步解释。代码也可以有！那一章的内容不太会写，直接让chatGPT安排，这样，一篇论文很快就写出来啦！
创建论文大纲
解释大纲内容
classPBA(nn.Module):
def__init__(self,PerformanceThreshold,DistributionType,AttentionWeightRange):
super(PBA,self).__init__()
self.PerformanceThreshold=PerformanceThreshold
self.DistributionType=DistributionType
self.AttentionWeightRange=AttentionWeightRange
defforward(self,input,performance_scores):
#计算注意力分数
attention_scores=[]
foriinrange(len(input)):
ifperformance_scores[i]>self.PerformanceThreshold:
attention_scores.append(performance_scores[i])
else:
attention_scores.append(0.0)
#将性能分数映射到注意力权重
ifself.DistributionType=="softmax":
attention_weights=F.softmax(torch.tensor(attention_scores),dim=0)
elifself.DistributionType=="sigmoid":
attention_weights=torch.sigmoid(torch.tensor(attention_scores))
else:
raiseValueError("Unknowndistributiontype:{}".format(self.DistributionType))
#缩放注意力权重到指定范围
attention_weights=attention_weights*(self.AttentionWeightRange[1]-self.AttentionWeightRange[0])+self.AttentionWeightRange[0]
#计算加权输入
weighted_input=torch.mul(input,attention_weights.unsqueeze(1).expand_as(input))
output=torch.sum(weighted_input,dim=0)
returnoutput
故事创作
用途：这个功能真的太太太棒了，以后我本身列提纲出来就可以写小说啦！
爱情故事
恐怖故事
问题类比
用途：当你想要做一个比方时，这是一个很棒的功能。
创建SQL需求
用途：写SQL有时候挺头疼的，想好久想不起来。
情感分析
用途：这个功能让我想起来在之前公司做的情感分析任务了。
将产品描述转变为广告
用途：这个功能对于商家来说太棒了。
关键字提取
用途：NLP任务的重要作用，关键字提取！
闲聊机器人
用途：这个不多说了，用来闲聊体验感真的很不错。
csdn
未经允许不得转载：迪欧吧_技术交流_资源分享_热点资讯_免费VPS空间 » 我用 ChatGPT 干的 18 件事！ – 程序师-迪欧吧