Obter dados de dicionários

Obter dados de dicionários Obter dados de dicionários

Obtenha dados de dicionárioslink image 2

Aviso: Este post foi traduzido para o português usando um modelo de tradução automática. Por favor, me avise se encontrar algum erro.

Imaginemos que temos o seguinte dicionário

	
dictionary = {
"id": 1,
"name": "John",
"age": 30
}
Copy

Se queremos obter o valor da idade, o que geralmente se faz é dictionary["age"]

	
dictionary = {
"id": 1,
"name": "John",
"age": 30
}
dictionary["age"]
Copy
	
30

Mas, o que acontece se a key que colocamos não está no dicionário? Vai ocorrer um erro?

	
dictionary["country"]
Copy
	
---------------------------------------------------------------------------
KeyError Traceback (most recent call last)
Cell In[4], line 1
----> 1 dictionary["country"]
KeyError: 'country'

Portanto, se isso acontecer em produção, o programa cairá

Então, para resolver isso, podemos usar um try except para lidar com o erro

	
try:
dictionary["country"]
except KeyError:
print("Key not found")
Copy
	
Key not found

Mas uma solução para não encher o código de try except é usar o método get que nos permite obter o valor de uma key e, se não existir, nos devolve um valor padrão

	
dictionary.get("country", "Key not found")
Copy
	
'Key not found'

Outra opção é não colocar a segunda opção, nesse caso obtemos None se a key não existir

	
country = dictionary.get("country")
print(country)
Copy
	
None

Continuar lendo

DoLa – Decoding by Contrasting Layers Improves Factuality in Large Language Models

DoLa – Decoding by Contrasting Layers Improves Factuality in Large Language Models

Você já conversou com um LLM e ele lhe respondeu algo que parece ter bebido café de máquina a noite toda? 😂 Isso é o que chamamos de alucinação no mundo dos LLMs! Mas não se preocupe, pois não é que seu modelo de linguagem esteja louco (embora às vezes possa parecer isso 🤪). A verdade é que os LLMs podem ser um pouco... criativos quando se trata de gerar texto. Mas graças ao DoLa, um método que usa camadas de contraste para melhorar a viabilidade dos LLMs, podemos evitar que nossos modelos de linguagem se transformem em escritores de ficção científica 😂. Nesta publicação, explicarei como o DoLa funciona e mostrarei um exemplo de código para que você possa entender melhor como tornar seus LLMs mais confiáveis e menos propensos a inventar histórias. Vamos salvar nossos LLMs da loucura e torná-los mais úteis! 🚀

Últimos posts -->

Você viu esses projetos?

Subtify

Subtify Subtify

Gerador de legendas para vídeos no idioma que você desejar. Além disso, coloca uma legenda de cor diferente para cada pessoa

Ver todos os projetos -->

Quer aplicar IA no seu projeto? Entre em contato!

Quer melhorar com essas dicas?

Últimos tips -->

Use isso localmente

Os espaços do Hugging Face nos permitem executar modelos com demos muito simples, mas e se a demo quebrar? Ou se o usuário a deletar? Por isso, criei contêineres docker com alguns espaços interessantes, para poder usá-los localmente, aconteça o que acontecer. Na verdade, se você clicar em qualquer botão de visualização de projeto, ele pode levá-lo a um espaço que não funciona.

Ver todos os contêineres -->

Quer aplicar IA no seu projeto? Entre em contato!

Você quer treinar seu modelo com esses datasets?

short-jokes-dataset

Dataset com piadas em inglês

opus100

Dataset com traduções de inglês para espanhol

netflix_titles

Dataset com filmes e séries da Netflix

Ver mais datasets -->