ما بسیار هیجانزدهایم که شما این دوره را شروع کنید و ببینید با هوش مصنوعی مولد چه چیزهایی میتوانید الهامبخش ساخت آنها باشید!
برای اطمینان از موفقیت شما، این صفحه مراحل راهاندازی، نیازمندیهای فنی، و محل دریافت کمک در صورت نیاز را شرح میدهد.
برای شروع این دوره، باید مراحل زیر را کامل کنید.
این مخزن کامل را فورک کنید به حساب GitHub خودتان تا بتوانید هر کدی را تغییر داده و چالشها را کامل کنید. همچنین میتوانید 📍این مخزن را به ستارهدارها اضافه کنید (🌟) تا راحتتر آن و مخازن مرتبط را پیدا کنید.
برای جلوگیری از هرگونه مشکل وابستگی هنگام اجرای کد، توصیه میکنیم این دوره را در GitHub Codespaces اجرا کنید.
در فورک خود: Code -> Codespaces -> New on main
- ⚙️ آیکون چرخدنده -> Command Pallete -> Codespaces : Manage user secret -> Add a new secret.
- نام را OPENAI_API_KEY بگذارید، کلید خود را بچسبانید، ذخیره کنید.
| میخواهم… | بروم به… |
|---|---|
| شروع درس ۱ | 01-introduction-to-genai |
| کار به صورت آفلاین | setup-local.md |
| راهاندازی ارائهدهنده LLM | providers.md |
| ملاقات با یادگیرندگان دیگر | به Discord ما بپیوندید |
| علامت | رفع مشکل |
|---|---|
| گیر کردن ساخت کانتینر بیش از ۱۰ دقیقه | Codespaces ➜ “Rebuild Container” |
python: command not found |
ترمینال متصل نشده؛ روی + کلیک کنید ➜ bash |
401 Unauthorized از OpenAI |
کلید OPENAI_API_KEY اشتباه یا منقضی شده |
| VS Code پیام “Dev container mounting…” نشان میدهد | تب مرورگر را تازه کنید—گاهی اتصال Codespaces قطع میشود |
| کرنل نوتبوک پیدا نمیشود | منوی نوتبوک ➜ Kernel ▸ Select Kernel ▸ Python 3 |
سیستمهای مبتنی بر یونیکس:
touch .envویندوز:
echo . > .env۳. فایل .env را ویرایش کنید: فایل .env را در یک ویرایشگر متن (مثل VS Code، Notepad++ یا هر ویرایشگر دیگر) باز کنید. خط زیر را اضافه کنید، به جای your_github_token_here، توکن واقعی گیتهاب خود را وارد کنید:
GITHUB_TOKEN=your_github_token_here۴. فایل را ذخیره کنید: تغییرات را ذخیره کرده و ویرایشگر را ببندید.
۵. نصب python-dotenv: اگر قبلاً نصب نکردهاید، باید بسته python-dotenv را نصب کنید تا متغیرهای محیطی را از فایل .env به برنامه پایتون خود بارگذاری کنید. میتوانید با دستور pip نصب کنید:
pip install python-dotenv۶. بارگذاری متغیرهای محیطی در اسکریپت پایتون: در اسکریپت پایتون خود، از بسته python-dotenv استفاده کنید تا متغیرهای محیطی را از فایل .env بارگذاری کنید:
from dotenv import load_dotenv
import os
# بارگیری متغیرهای محیطی از فایل .env
load_dotenv()
# دسترسی به متغیر GITHUB_TOKEN
github_token = os.getenv("GITHUB_TOKEN")
print(github_token)همین بود! شما با موفقیت یک فایل .env ایجاد کرده، توکن گیتهاب خود را اضافه و آن را در برنامه پایتون خود بارگذاری کردید.
برای اجرای کد به صورت محلی روی کامپیوتر، باید نسخهای از پایتون را نصب داشته باشید.
برای استفاده از مخزن، ابتدا باید آن را کلون کنید:
git clone https://github.com/microsoft/generative-ai-for-beginners
cd generative-ai-for-beginnersوقتی همه چیز آماده شد، میتوانید شروع کنید!
Miniconda یک نصبکننده سبک برای نصب Conda، پایتون و چند بسته است.
Conda خود یک مدیریت بسته است که راهاندازی و سوییچ بین محیطهای مجازی پایتون و بستهها را آسان میکند. همچنین برای نصب بستههایی که در pip موجود نیستند، مفید است.
میتوانید از راهنمای نصب MiniConda دنبال کنید.
بعد از نصب Miniconda، باید مخزن را کلون کنید (اگر قبلاً نکردهاید) مخزن
سپس باید یک محیط مجازی بسازید. برای این کار با Conda یک فایل محیط جدید (environment.yml) بسازید. اگر با Codespaces دنبال میکنید، این فایل را داخل دایرکتوری .devcontainer بسازید، یعنی .devcontainer/environment.yml.
فایل محیط خود را با قطعه کد زیر پر کنید:
name: <environment-name>
channels:
- defaults
- microsoft
dependencies:
- python=<python-version>
- openai
- python-dotenv
- pip
- pip:
- azure-ai-mlاگر هنگام استفاده از conda خطا دریافت کردید، میتوانید به صورت دستی کتابخانههای هوش مصنوعی مایکروسافت را با دستور زیر نصب کنید:
conda install -c microsoft azure-ai-ml
فایل محیط، وابستگیهای مورد نیاز را مشخص میکند. <environment-name> نام دلخواه شما برای محیط Conda است و <python-version> نسخه پایتونی که میخواهید استفاده کنید، مثلاً 3 جدیدترین نسخه اصلی پایتون است.
بعد از این کار، میتوانید محیط Conda خود را با اجرای دستورات زیر در خط فرمان/ترمینال ایجاد کنید:
conda env create --name ai4beg --file .devcontainer/environment.yml # مسیر فرعی .devcontainer فقط برای تنظیمات Codespace اعمال میشود
conda activate ai4begاگر به مشکلی برخوردید، به راهنمای محیطهای Conda مراجعه کنید.
توصیه میکنیم از ویرایشگر Visual Studio Code (VS Code) به همراه افزونه پشتیبانی پایتون برای این دوره استفاده کنید.
با این حال، این صرفاً یک توصیه است و الزام قطعی نیست.
نکته: با باز کردن مخزن دوره در VS Code، میتوانید پروژه را داخل یک کانتینر تنظیم کنید. دلیل این امکان، وجود دایرکتوری خاص
.devcontainerدر مخزن دوره است. بعداً بیشتر توضیح داده میشود.
نکته: پس از کلون و باز کردن دایرکتوری در VS Code، بهصورت خودکار پیشنهاد نصب افزونه پایتون را دریافت میکنید.
نکته: اگر VS Code پیشنهاد داد مخزن را دوباره در یک کانتینر باز کنید، این درخواست را رد کنید تا از نسخه محلی پایتون استفاده کنید.
میتوانید روی پروژه با محیط Jupyter درست در مرورگر خود کار کنید. هر دو Jupyter کلاسیک و Jupyter Hub محیط توسعه خوشایندی با امکاناتی مانند کامل کردن خودکار، برجستهسازی کد و… فراهم میکنند.
برای اجرای لوکال Jupyter، به ترمینال/خط فرمان رفته، به پوشه دوره بروید و دستور زیر را اجرا کنید:
jupyter notebookیا
jupyterhubاین یک نمونه Jupyter راهاندازی میکند و آدرس URL دسترسی در پنجره خط فرمان نمایش داده میشود.
وقتی URL را باز کنید، باید ساختار دوره را ببینید و بتوانید به هر فایل *.ipynb هدایت شوید. برای مثال، 08-building-search-applications/python/oai-solution.ipynb.
راه جایگزین برای راهاندازی همه چیز روی کامپیوتر یا Codespace استفاده از کانتینر است.
پوشه خاص .devcontainer در مخزن دوره باعث میشود VS Code بتواند پروژه را داخل کانتینر راهاندازی کند.
خارج از Codespaces، این کار نیاز به نصب Docker دارد و بهطور کلی کمی پیچیده است، بنابراین تنها به کسانی که تجربه کار با کانتینرها را دارند توصیه میشود.
یکی از بهترین روشها برای محافظت از کلیدهای API هنگام استفاده از GitHub Codespaces استفاده از رازهای Codespace است. لطفاً با راهنمای مدیریت رازهای Codespaces بیشتر آشنا شوید.
دوره شامل ۶ درس مفهومی و ۶ درس برنامهنویسی است.
برای درسهای برنامهنویسی، از سرویس Azure OpenAI استفاده میکنیم. برای اجرای این کد به دسترسی سرویس Azure OpenAI و یک کلید API نیاز دارید. میتوانید با تکمیل این درخواست برای دسترسی اقدام کنید.
در حالی که منتظر پردازش درخواست خود هستید، هر درس برنامهنویسی همچنین شامل یک فایل README.md است که کد و خروجیها را میتوانید مشاهده کنید.
اگر اولین بار است که با سرویس Azure OpenAI کار میکنید، لطفاً این راهنما را برای ایجاد و راهاندازی منبع سرویس Azure OpenAI دنبال کنید.
اگر اولین بار است که از API OpenAI استفاده میکنید، لطفاً این راهنما را برای ایجاد و استفاده از رابط کاربری دنبال کنید.
ما در سرور رسمی Discord جامعه هوش مصنوعی کانالهایی برای ملاقات با سایر یادگیرندگان ایجاد کردهایم. این راهی عالی برای شبکهسازی با کارآفرینان، سازندگان، دانشجویان و هرکسی است که میخواهد در هوش مصنوعی مولد پیشرفت کند.
تیم پروژه نیز در این سرور Discord حضور خواهد داشت تا به یادگیرندگان کمک کند.
این دوره یک پروژه متنباز است. اگر نقاط بهبود یا مشکلی مشاهده کردید، لطفاً یک درخواست پول ریکوئست بسازید یا یک issue در گیتهاب ثبت کنید.
تیم پروژه همه مشارکتها را پیگیری خواهد کرد. مشارکت در متنباز یک راه شگفتانگیز برای ساختن مسیر شغلی شما در هوش مصنوعی مولد است.
اکثر مشارکتها نیازمند موافقت با قرارداد مجوز مشارکتکننده (CLA) هستند که اعلام میکند شما حق دارید و در واقع به ما اجازه استفاده از مشارکتتان را میدهید. برای جزئیات، به وبسایت CLA، قرارداد مجوز مشارکتکننده مراجعه کنید.
مهم: هنگام ترجمه متن در این مخزن، لطفاً از ترجمه ماشینی استفاده نکنید. ما ترجمهها را از طریق انجمن بررسی خواهیم کرد، بنابراین فقط داوطلب ترجمه در زبانهایی شوید که به آن مسلط هستید.
وقتی پول ریکوئست ارسال میکنید، یک ربات CLA به صورت خودکار بررسی میکند که آیا باید CLA ارائه دهید و PR را به شکل مناسب (برچسب، نظر) نشانهگذاری میکند. فقط کافیست دستورالعمل ربات را دنبال کنید. این کار فقط یک بار برای همه مخازنی که از CLA استفاده میکنند لازم است.
این پروژه از کد رفتار متنباز مایکروسافت پیروی میکند. برای اطلاعات بیشتر FAQ کد رفتار را بخوانید یا به ایمیل opencode برای هر سؤال یا نظر اضافی مراجعه کنید.
حال که مراحل لازم برای تکمیل این دوره را به اتمام رساندهاید، بیایید با دریافت معرفی به هوش مصنوعی مولد و مدلهای زبان بزرگ شروع کنیم.
سلب مسئولیت:
این سند با استفاده از خدمات ترجمه ماشینی Co-op Translator ترجمه شده است. در حالی که ما تلاش میکنیم تا دقت را حفظ کنیم، لطفاً توجه داشته باشید که ترجمههای خودکار ممکن است حاوی خطاها یا نادرستیهایی باشند. سند اصلی به زبان مادری آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حیاتی، ترجمه حرفهای انسانی توصیه میشود. ما مسئول هیچگونه سوتفاهم یا برداشت نادرستی که از استفاده این ترجمه ناشی شود، نمیباشیم.