我的研究領域是自然語言問答系統，在我專研的問答系統是需要一個知識庫，這跟另一種問答系統 -- Stanford 的 SQUAD -- 不同。我需要的知識庫都是從 Wikipedia 轉出來的，並且以 RDF 的格式儲存，以便於使用者利用 SPARQL 語法進行查詢。
早期的知識庫有幾種，但是後來由 DBpedia 勝出。再經過幾年，這個知識庫的競賽中，似乎慢慢的有一個名為 Wikidata 的知識庫浮出檯面，因此我被迫需要去了解一下 Wikidata 的查詢平台要如何建立，才不會受限於官方的種種限制。
照理說，這次的標題是下錯的，因為這次是想要測試一下 nVidia Gefore GTX 1060 在微軟的 Windows Subsystem for Linux (WSL 2) 利用所謂的 DirectML 來開發 tensorflow 2（或者說，在 WSL 2 下能夠使用 GPU 來發揮 tensorflow 2）的程式。但是由於是心得式的文章，我就以 Part 3 來延續這個主題。另外，我想知道，如果以之前安裝的純 tensorflow-gpu 2.3 版來比較，DirectML 的架構效能究竟是怎麼樣的情形。
經過了兩年，我簡單的試圖在 win10 的環境下再次利用 anaconda 3 架設 Tensorflow-GPU 的環境，結果還是不很成熟，我真心認為安裝的過程很沒必要東拿西挪的，直覺式的 conda install 就應該要能做的到，很不幸的，目前最直覺的安裝方式還是幾年前試出來的 tensorflow-gpu 2.3 版。
前幾天學生告訴我，在 win10/win11 的環境下未來的趨勢似乎是 WSL 的天下（雖然我的直覺告訴我，台灣一般資管系的學生比較難接受 Linux），所以我就試了一下所謂的 WSL 2。我幾年前就試過所謂的 WSL，但是可能是所謂的 WSL 1，所以效能不怎麼樣，我就放棄了；這次嘗試 WSL 2，我有了截然不同的體驗，所以安裝完了 WSL 2 就下手嚐試 tensorflow-gpu。
好久沒更新這個部落格了。最近因為 ChatGPT 的興起，促使我動念玩了一下；雖然說 ChatGPT 很有趣，但是距離我想要做的東西還是有一些差距。玩的過程，一開始是使用官網上的介面，似乎是每個帳號可以有三個月的免費試用，之後會收費；至於如何收費，我沒深入去瞭解。我建議對 ChatGPT 有興趣的客官，可以先去試玩一下；試玩的過程，你需要登記成為免費會員，並且依據步驟你也會申請到一個 API key。請把這個 API key 放在一個隨手可得的地方（但是不要讓他人知道，我相信未來的收費機制是根據這把 API key 的），在之後的步驟會需要。
然後東翻西找我心裡面想要做的東西，突然發現了幾個 github 的網站：
1. @waylaidwanderer/chatgpt-api
我暫時先跑了第一個網站的內容。由於我的電腦安裝的是 Windows 10 的作業系統，為了可以玩 ChatGPT API，我必須先安裝 Node.js 和 Git，請分別點擊連結來安裝。我是利用 winget 的方式安裝 Node.js，而 git 更是大家熟悉的安裝包。
首先，我們先利用 git 把 ChatPGT API 的內容複製到你的電腦，作法就是新增一個放置 ChatGPT API 的目錄，然後在該目錄下執行：git clone https://www.npmjs.com/package/@waylaidwanderer/chatgpt-api。這些指令我是在所謂的 Node.js command prompt 內執行的（如下圖），意思是說你至少要會一些指令式的操作。
