给大家整理了 18 种 ChatGPT 的用法-chatgptplus账号购买平台

给大家整理了 18 种 ChatGPT 的用法，看看有哪几种方法是你没玩过的。

chatgpt中文版 http://chatgpt.guige.xyz

语法更正

用处：文章、论文等润饰。

文本翻译

用处：平常学习、商务翻译等。

语言转换

Python–>JAVA

用处：工作用处，区别语言工程师之间的合作，更加方便。

importnumpyasnp
importplotly.expressaspx
defthresholding_algo(y,lag,threshold):
"""
:paramy:输入列表
:paramlag:滑动窗口大小
:param threshold:调理系数，用于调理容忍范围的大小。
: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[lag⑴]=np.mean(y[0:lag])
dif_li=[0]*len(y)
foriinrange(lag,len(y)):
ifi<len(y)-lag⑶0:
forjinrange(i+11,len(y)):
ify[j]>=y[i⑴]:
break
ifj>=len(y)⑶0:
back=y[i⑴]
else:
back=np.mean(y[j+11:j+20+lag])
else:
back=y[i⑴]
#前后均值差值计算
tmp=abs(back-avgFilter[i⑴])
dif=(tmpiftmp>1else1)
ifabs(y[i]-avgFilter[i⑴])>dif*threshold:
signals[i]=(1ify[i]>avgFilter[i⑴]else⑴)
avgFilter[i]=np.mean(y[(i-lag):i])
y[i]=avgFilter[i⑴]
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),
)

publicstaticMapdouble[]>thresholding_algo(double[]y,intlag,doublethreshold){
double[]signals=newdouble[y.length];
double[]avgFilter=newdouble[y.length];
Arrays.fill(avgFilter,0.0);
avgFilter[lag⑴]=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-lag⑶0){
for(j=i+11;j<y.length;j++){
if(y[j]>=y[i⑴]){
break;
}
}
doubleback;
if(j>=y.length⑶0){
back=y[i⑴];
}else{
back=mean(Arrays.copyOfRange(y,j+11,j+20+lag));
}
}else{
back=y[i⑴];
}
doubletmp=Math.abs(back-avgFilter[i⑴]);
doubledif=tmp>1?tmp:1;
if(Math.abs(y[i]-avgFilter[i⑴])>dif*threshold){
signals[i]=y[i]>avgFilter[i⑴]?1:⑴;
avgFilter[i]=mean(Arrays.copyOfRange(y,i-lag,i));
y[i]=avgFilter[i⑴];
}else{
signals[i]=0;
avgFilter[i]=mean(Arrays.copyOfRange(y,i-lag,i));
}
dif_li[i]=dif;
}
Mapdouble[]>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⑴

用处：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，这时候候，如果有个人能帮我们解释一下这些代码是甚么意思，那简直不要太开心。

defFusion_algorithm(y_list):
"""
终究的融会算法
 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鉴戒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一个数据点都看做是来自一个正态散布，通过计算每一个数据点与其临接数据点的平均值和标准差，可以取得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[i⑴]
ifdifference<=>0:
y_list[i]=y_list[i⑴]
#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，
#则该数据点多是一个突变的异常点。这类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[i⑴]
#第二次处理
#计算每一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[i⑴]
returny_list

代码解释⑵

备注：上一个代码解释，我们可以看到，答案也许遭到了代码中注释的影响，我们删掉注释，再来一次。对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[i⑴]
ifdifference<=>0:
y_list[i]=y_list[i⑴]

#else:
#ifabs(difference)>2*np.mean(y_list[:i]):
#y_list[i]=y_list[i⑴]


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[i⑴]

returny_list

修复代码毛病

用处：写完一段代码后发现有毛病？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

用处：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

用处：作为自然语言处理界的大模型，怎样能少得了信息提取呢？

好友聊天

用处：输入对方性情摹拟聊天，这方面功能不太完善，可能有新鲜玩法我还没有发掘出来。

创意生成器

用处：是不是是常常会在创新上遇到思惟瓶颈不知道怎样做？不要担心，让chatGPT帮你生成创意！

VR和密室结合

再结合AR

采访问题

用处：可能您是一个媒体工作者，采访问题不知道如何写？chatGPT可以帮您解决。

采访问题清单

采访问题清单并给出相应对案

论文大纲

用处：这个功能对研究生简直不要太爽了，一直在愁闷大纲如何写，直接列出来大纲简直帮了我天大的忙！对大纲中不理解的点，直接要求chatGPT给出进一步解释。代码也能够有！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)

#将性能分数映照到注意力权重
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