关于python+人工智能模型(deepseek/chatgpt)应用领域抛砖引玉,程序员的反思

        最近人工智能deepseek大热,基本讨论和应用点都在浅层,例如应用在聊天客服,协助查询,APP替代等,感觉杀鸡用牛刀,而且对国内大规模发展感觉方向不对,想用一个程序员草根的纯技术的角度来客观看待这个事情。

        结合上一篇文章,做了一个deepseek的本地化部署,想私底下用大模型做一个简单的应用,但是就像土拨鼠,越挖越深,越挖越震撼,差距在哪里?往下看。

        本身想T-Eval做一个模型的评测,评测一个deepseek的能力,因为模型因为版本,参数大小,有不同的能力,就如现在哪吒2,每个神仙的绝技不同,拿手绝活也不一样。

然后需要安装步骤,下面列出的是在windows下安装步骤

先用git 下载

然后

克隆完成后,进入 T-Eval 项目的目录

cd t-eval

pip install -r requirements.txt 检查依赖项

发现如下错误,记得在powershell下运行

这个错误信息Getting requirements to build wheel did not run successfully 及 FileNotFoundError: [WinError 2] 系统找不到指定的文件

分析下有以下几个可能

1)缺少依赖项
某些 Python 包在构建 wheel 文件时,需要特定的依赖软件或库。比如安装 Cartopy 库时

2)权限问题

已经在powershell下运行了

3)pip 版本问题

这个问题可以使用pip install –upgrade pip 命令升级

4)如果 T – Eval 的构建依赖于特定的编译工具(如在 Python 3.6 版本安装某些包时需要 Visual C++ 14.0 ),缺少这些工具会导致构建失败。
解决方法:根据报错信息和 T – Eval 的要求,下载并安装所需的软件或工具。比如从 Microsoft 官方网站下载并安装 Visual C++ 14.0 工具集

5)安装文件问题
有可能下载的 T – Eval 项目文件不完整或存在损坏,或者从指定源获取的依赖包有问题。
解决方法:
重新克隆 T – Eval 仓库,确保下载的文件完整无误

只能从第一个错误排除~~~

pip show xxxxx 包 发现的确一些例如需要用到的分析包没有下载

Name: Cartopy
Version: 0.24.1
Summary: A Python library for cartographic visualizations with Matplotlib

Name: pyshp
Version: 2.3.1
Summary: Pure Python read/write support for ESRI Shapefile format

Name: pyproj
Version: 3.7.0
Summary: Python interface to PROJ (cartographic projections and coordinate transformations library)

Name: shapely
Version: 2.0.7
Summary: Manipulation and analysis of geometric objects

就是这么一查,发现差距了,第一,这些包很多

而且全是遵循MIT软件准则,可以免费使用,同时也有免责申明

这些包做为支持人工智能底层扮演不可或缺的角色,python只是一个中间桥梁,一共集成工具而已。如果说deepseek和chatgpt是人工智能的灵魂,那这些底层包就是能量块,拥有超一线的专业人士分析能力。

当然,如果想变现这些能力,需要IT工程师使用python将其变现。

也就是说,人工智能领域不是只有一个deepseek就足够的,还需要有无数的底层包的研究开发公司,公司规模可以不大,但是数量足够多,其实也能意识到为什么硅谷人说有无数这样的小公司。反观。。似乎这边还没有一家一线城市的管理者能意识到这个问题。 当然,发这篇东西只是抛砖引玉,不是自贬自家的能力。希望能看到者能有对人工智能有全局的清醒认识。

可能自己的视野不足,文章较为简陋和随意。看着热火朝天的deepseek势头,发泄一下情绪罢了

下面列出的一些领域的底层包说明

   应用在地图地理数据分析建模中的

  • Cartopy:版本为 0.24.1,它是一个用于借助 Matplotlib 进行制图可视化的 Python 库,在地理空间数据可视化等方面应用广泛。
  • pyshp:版本是 2.3.1,提供了对 ESRI Shapefile 格式的纯 Python 读写支持,常用于处理地理信息系统中的矢量数据。
  • pyproj:版本为 3.7.0,是 PROJ(制图投影和坐标转换库)的 Python 接口,可实现坐标转换、投影等功能。
  • shapely:版本为 2.0.7,用于几何对象的操作和分析,比如计算几何图形的面积、周长、交集等,在地理空间分析领域很常用。
  • 数据可视化

  • Cartopy:结合 Matplotlib,将处理后的数据以地图形式可视化呈现。比如绘制不同区域的某种指标(如人口密度、降雨量等)的分布图,或者展示地理要素的空间分布关系等。
  •   地图分析类的

  • Folium
  • 主要用于创建交互式地图,能够将数据以直观的方式展示在地图上。可用于制作旅游地图,标记景点、酒店、餐厅等位置信息;也可用于城市规划领域,展示城市基础设施分布等。
  • Geopandas
  • 结合了 pandas 的数据处理能力和 shapely 的几何操作能力,用于处理和分析地理空间数据。常用于地理数据的清洗、转换、分析等任务,比如计算不同区域的统计数据,分析地理要素之间的空间关系等。
  • Rasterio
  • 专门用于处理栅格数据,如遥感影像等。可用于读取、写入、处理和分析栅格数据,在地质勘探、农业遥感、环境监测等领域,用于分析土地利用变化、植被覆盖情况、水质监测等。
  • Basemap
  • 是 Matplotlib 的一个工具包,用于绘制地图背景,并在地图上绘制数据。可用于气象数据可视化,绘制气压、温度等气象要素的分布图;也可用于海洋学研究,展示海洋温度、盐度等数据的分布。
  • Pygmt
  • 用于创建高质量的地球科学数据可视化图表和地图。在地球科学研究中,如地震学、地质学等领域,可用于绘制地震震中分布图、地质构造图等。
  • NetworkX
  • 主要用于创建、操作和研究复杂网络的结构、动态和功能。可用于分析交通网络、电力网络等,比如研究城市交通流量、电力传输路径等。
  • Scikit-geo
  • 提供了一系列用于地理空间数据分析的工具和算法,涵盖了从地理数据处理到空间统计分析等多个方面。可用于地理数据的分类、聚类等分析任务,比如对不同土地利用类型进行分类。
  •     

    金融、证券、银行领域类似功能的 Python 包:

  • 数据获取与处理类
  • tushare:免费、开源的财经数据接口包,能采集、清洗、存储股票等金融数据,可获取 A 股、港股、美股等股票市场数据及期货、基金、债券等多种金融产品数据,返回数据多为 pandas DataFrame 格式。
  • akshare:开源金融数据接口库,提供股票、期货、期权、基金等多类金融产品数据,数据丰富,接口使用方便。
  • baostock:提供大量准确、完整的证券历史行情数据、上市公司财务数据等,支持 Python API,可方便获取金融市场历史数据。
  • 分析与建模类
  • pyfinance9:用于投资管理和证券收益分析,包含金融数据下载、通用财务计算、回归分析、期权衍生品计算等模块,可进行基于 CAPM 框架的业绩评价指标计算等。
  • QuantLib4:旨在创建免费、开源的建模、交易和风险管理库,用 C++ 编写后导出到 Python,包含市场惯例、收益曲线模型、求解器等功能。
  • Finance-Python5:提供技术指标计算、金融日历、资产组合优化、金融产品定价等功能,可计算 MA、MACD、RSI 等技术分析指标,支持与 pandas 结合。
  • 可视化类
  • matplotlib4:跨平台的数值绘图包,可绘制高质量 2D、3D 图像,在金融领域能将金融数据以图表形式可视化,如绘制股价走势、收益分布等图表。
  • seaborn2:基于 matplotlib 的可视化库,提供更美观、高级的可视化风格和函数,可用于绘制金融数据的统计图表,如热力图、箱线图等,便于分析数据分布和关系。
  • 交易与回溯检验类
  • zipline4:强大的算法交易库,可进行算法的回溯测试和实时交易,为量化交易平台提供底层技术支持,能方便设计、测试和实施自定义算法。
  • backtrader2:回溯检验框架,支持实盘交易,可方便搭建交易策略并进行历史数据回测,评估策略性能。
  • 作者:oqqJing123456

    物联沃分享整理
    物联沃-IOTWORD物联网 » 关于python+人工智能模型(deepseek/chatgpt)应用领域抛砖引玉,程序员的反思

    发表回复