使用 Python 辅助程序在 Go 中进行机器学习

本文探讨了如何在 Go 应用程序中利用机器学习模型，特别是大型语言模型（LLM）。文章首先介绍了使用现成的互联网 LLM 服务（如 ChatGPT 和 Gemini）以及本地运行的开源模型（如 Llama 和 Mistral）的简便方法，并推荐使用 Ollama 或 Llamafile 等工具简化本地模型部署和 API 调用。接着，文章深入讲解了如何使用 Python 作为辅助程序，通过自定义模型实现更高级的定制化。文章以 Gemma 和 JAX 为例，演示了如何构建一个 Python 服务器，通过 REST API 为 Go 应用程序提供本地 LLM 推理服务。此外，文章还展示了如何使用 TensorFlow 和 Keras 训练一个简单的图像分类模型，并通过 Unix 域套接字实现 Go 客户端与 Python 服务器之间的低延迟通信。