🐲背景：chatGPT最近火爆了各种论坛网站，趁着火热，没忍住的我总结了一些有趣的玩法，尝试一下吧！

🐲目录：

🤖轻度玩法

🤖中度玩法

🤖重度玩法

🤖yin度玩法

---

🎶轻度玩法

1. 润色英文稿

先问一问chatGPT润色英文稿都干嘛，看起来是默认英文回答的：

 我们让他用汉语回答：

 好了，接下来进入正题，选一段目标检测算法YOLOv3论文的Abstract部分看看他怎样润色：

 看起来还不错，粗略看过去把new改成了novel，还有一些extrmely和incredibly的同义替换。总体逻辑也没有错误。

 

2. 写实验报告 / 列大纲

整日被实验报告折磨的日子结束了，只需要输入一些提示，chatGPT就可以给出一个完整的大纲，然后继续追问就可以写完了！比如大家都写过的xxx系统😒。

 

 除了不会画流程图，其他口水报告写的很精彩😂。

3. 口水文作家

这个玩法很有意思，你只要告诉他你要写什么，然后加上“给我来一个令人眼前一亮的xxx”，chatGPT就会给你一些想要的段落。例如：

 哈哈哈，其实我的标题也是chatGPT生成的🐽。 

🎶中度玩法

1. 写代码

最有用的地方之一，chatGPT对于代码要求的理解能力很高，而且如果不正确的话，继续询问可以让他自己找到bug：

#include <iostream>
#include <stdio.h>
#include <string.h>
#include <sys/socket.h>
#include <arpa/inet.h>
#include <unistd.h>#define PORT 8888int main(int argc, char const *argv[])
{int server_fd, new_socket, valread;struct sockaddr_in address;int opt = 1;int addrlen = sizeof(address);char buffer[1024] = {0};char *hello = "Hello from server";// Creating socket file descriptorif ((server_fd = socket(AF_INET, SOCK_STREAM, 0)) == 0){perror("socket failed");exit(EXIT_FAILURE);}// Forcefully attaching socket to the port 8888if (setsockopt(server_fd, SOL_SOCKET, SO_REUSEADDR | SO_REUSEPORT, &opt, sizeof(opt))){perror("setsockopt");exit(EXIT_FAILURE);}address.sin_family = AF_INET;address.sin_addr.s_addr = INADDR_ANY;address.sin_port = htons(PORT);// Bind the socket to localhost port 8888if (bind(server_fd, (struct sockaddr *)&address, sizeof(address)) < 0){perror("bind failed");exit(EXIT_FAILURE);}// Listen for incoming connectionsif (listen(server_fd, 3) < 0){perror("listen");exit(EXIT_FAILURE);}// Accept an incoming connectionif ((new_socket = accept(server_fd, (struct sockaddr *)&address, (socklen_t *)&addrlen)) < 0){perror("accept");exit(EXIT_FAILURE);}// Receive a message from the clientvalread = read(new_socket, buffer, 1024);printf("%s\n", buffer);// Send a message to the clientsend(new_socket, hello, strlen(hello), 0);printf("Hello message sent\n");return 0;
}

 客户端代码：

#include <iostream>
#include <sys/socket.h>
#include <arpa/inet.h>
#include <unistd.h>
#include <string.h>int main(int argc, char const *argv[]) {int sock = 0, valread;struct sockaddr_in serv_addr;char const* hello = "Hello from client";char buffer[1024] = {0};// 创建客户端socketif ((sock = socket(AF_INET, SOCK_STREAM, 0)) < 0) {std::cerr << "Socket creation error" << std::endl;return -1;}// 配置服务器地址serv_addr.sin_family = AF_INET;serv_addr.sin_port = htons(8080);// 转换IP地址为网络字节序if(inet_pton(AF_INET, "127.0.0.1", &serv_addr.sin_addr)<=0) {std::cerr << "Invalid address/ Address not supported" << std::endl;return -1;}// 连接到服务器if (connect(sock, (struct sockaddr *)&serv_addr, sizeof(serv_addr)) < 0) {std::cerr << "Connection Failed" << std::endl;return -1;}// 发送消息到服务器send(sock , hello , strlen(hello) , 0 );std::cout << "Hello message sent" << std::endl;// 从服务器接收消息valread = read( sock , buffer, 1024);std::cout << buffer << std::endl;// 关闭socketclose(sock);return 0;
}

而且会给出思路：

要注意的是，有时候代码经过验证会有bug，不是绝对正确的，但是你只要不断追问并给出问题，他就可以自我完善，最终让代码正确。 

2. 数据分析

这里的数据分析不是指数据挖掘等等方法，我还没有测试过，但只要给他一个图表，他就可以分析整个过程，例如：

但是要记住，他会胡说八道！因此看到错误向他反馈，chatGPT就会慢慢修正，例如：

🎶重度玩法

1. 假装训练神经网络

这个玩法属于是重度GPT用户了，五花八门，最简单的就是让他直接运行，当然完整版甚至可以冒充一个Linux终端：

 

import torch
import torch.nn as nn
import torch.optim as optim
from torch.utils.data import DataLoader
from torchvision.datasets import MNIST
from torchvision.transforms import Compose, ToTensor, Normalize
from torchvision.models import alexnet# 设置设备为GPU，如果可用
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")# 加载MNIST数据集
transform = Compose([ToTensor(), Normalize((0.1307,), (0.3081,))])
train_dataset = MNIST(root="./data", train=True, download=True, transform=transform)
test_dataset = MNIST(root="./data", train=False, download=True, transform=transform)# 创建数据加载器
train_loader = DataLoader(train_dataset, batch_size=128, shuffle=True, num_workers=4)
test_loader = DataLoader(test_dataset, batch_size=128, shuffle=False, num_workers=4)# 定义AlexNet模型
model = alexnet(num_classes=10)
model.to(device)# 定义损失函数和优化器
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(model.parameters(), lr=0.01, momentum=0.9)# 训练模型
for epoch in range(10):# 训练模型model.train()train_loss = 0.0train_correct = 0for batch_idx, (data, target) in enumerate(train_loader):data, target = data.to(device), target.to(device)optimizer.zero_grad()output = model(data)loss = criterion(output, target)loss.backward()optimizer.step()# 计算训练损失和准确率train_loss += loss.item() * data.size(0)pred = output.argmax(dim=1, keepdim=True)train_correct += pred.eq(target.view_as(pred)).sum().item()train_loss /= len(train_loader.dataset)train_acc = train_correct / len(train_loader.dataset)# 在测试集上评估模型model.eval()test_loss = 0.0test_correct = 0with torch.no_grad():for data, target in test_loader:data, target = data.to(device), target.to(device)output = model(data)loss = criterion(output, target)# 计算测试损失和准确率test_loss += loss.item() * data.size(0)pred = output.argmax(dim=1, keepdim=True)test_correct += pred.eq(target.view_as(pred)).sum().item()test_loss /= len(test_loader.dataset)test_acc = test_correct / len(test_loader.dataset)# 输出训练结果print("Epoch [{}/{}], train loss: {:.4f}, train acc: {:.4f}, test loss: {:.4f}, test acc: {:.4f}".format(epoch+1, 10, train_loss, train_acc, test_loss, test_acc))

这种玩法只是最简单的奥，复杂版大家可以看看，非常神奇。

🎶yin度玩法

看图说话，chatGPT没有人类狡猾系列😎：

 看来不听话，继续：

 被警告了😂。

 先到这里吧，其他玩法可以一起讨论┗|｀O′|┛ 嗷~~