Skip to content

README.md

Latest commit

 

History

History
233 lines (143 loc) · 13.2 KB

README.md

File metadata and controls

233 lines (143 loc) · 13.2 KB

Začetek s tem tečajem

Zelo smo navdušeni, da začnete ta tečaj in vidite, kaj vas bo navdihnilo za gradnjo z Generativno umetno inteligenco!

Da zagotovimo vaš uspeh, ta stran navaja korake nastavitve, tehnične zahteve in kje poiskati pomoč, če je to potrebno.

Koraki nastavitve

Za začetek tečaja morate izvesti naslednje korake.

1. Razvezi ta repozitorij

Razveži ta celoten repozitorij v svoj GitHub račun, da boste lahko spreminjali kodo in dokončali izzive. Prav tako lahko označite (🌟) ta repozitorij, da ga lažje najdete skupaj s sorodnimi repozitoriji.

2. Ustvari codespace

Da se izognete težavam z odvisnostmi pri izvajanju kode, priporočamo, da tečaj izvajate v GitHub Codespaces.

V svojem razvejenem repozitoriju: Code -> Codespaces -> New on main

Dialog showing buttons to create a codespace

2.1 Dodaj skrivnost

  1. ⚙️ Ikona nastavitev -> Command Pallete -> Codespaces : Manage user secret -> Add a new secret.
  2. Poimenujte OPENAI_API_KEY, prilepite svoj ključ, Shrani.

3. Kaj sledi?

Želim… Pojdi na…
Začetek Lekcije 1 01-introduction-to-genai
Delati brez povezave setup-local.md
Nastaviti ponudnika LLM providers.md
Spoznati druge učence Pridruži se našemu Discordu

Reševanje težav

Simptom Popravek
Gradnja vsebnika je zastala > 10 min Codespaces ➜ “Rebuild Container”
python: command not found Terminal ni bil povezan; kliknite + ➜ bash
401 Unauthorized iz OpenAI Napačen / potekel OPENAI_API_KEY
VS Code kaže “Dev container mounting…” Osvežite zavihek brskalnika—Codespaces kdaj izgubi povezavo
Manjka jedro zvezka Meni zvezka ➜ Kernel ▸ Select Kernel ▸ Python 3

Sistemi na osnovi Unix:

touch .env

Windows:

echo . > .env

  1. Uredi datoteko .env: Odprite datoteko .env v tekstovnem urejevalniku (npr. VS Code, Notepad++ ali katerem koli drugem urejevalniku). Dodajte naslednjo vrstico, kjer your_github_token_here zamenjajte s svojim dejanskim GitHub žetonom:

    GITHUB_TOKEN=your_github_token_here

  2. Shrani datoteko: Shrani spremembe in zapri tekstovni urejevalnik.

  3. Namesti python-dotenv: Če še niste, namestite paket python-dotenv za nalaganje okoljskih spremenljivk iz datoteke .env v vašo Python aplikacijo. Namestite ga lahko prek pip:

    pip install python-dotenv

  4. Naloži okoljske spremenljivke v vaš Python skript: V vašem Python skriptu uporabite paket python-dotenv, da naložite okoljske spremenljivke iz .env datoteke:

    from dotenv import load_dotenv
import os

# Naloži okoljske spremenljivke iz .env datoteke
load_dotenv()

# Dostop do spremenljivke GITHUB_TOKEN
github_token = os.getenv("GITHUB_TOKEN")

print(github_token)

To je to! Uspešno ste ustvarili .env datoteko, dodali svoj GitHub žeton in ga naložili v svojo Python aplikacijo.

Kako zagnati lokalno na svojem računalniku

Za lokalno izvajanje kode na vašem računalniku morate imeti nameščeno kakšno različico Pythona.

Za uporabo repozitorija ga morate nato sklonirati:

git clone https://github.com/microsoft/generative-ai-for-beginners
cd generative-ai-for-beginners

Ko imate vse pripravljeno, lahko začnete!

Neobvezni koraki

Namestitev Miniconda

Miniconda je lahek namestitveni program za namestitev Conda, Pythona in nekaj paketov. Conda je upravitelj paketov, ki olajša nastavitev in preklapljanje med različnimi Python virtualnimi okolji in paketi. Prav tako je uporabna za namestitev paketov, ki niso dostopni prek pip.

Lahko sledite navodilu za namestitev MiniConda.

Po namestitvi Miniconda morate klonirati repozitorij (če to še niste storili).

Nato morate ustvariti virtualno okolje. Za to lahko s Conda ustvarite novo datoteko okolja (environment.yml). Če sledite navodilom v Codespaces, ustvarite to znotraj mape .devcontainer, torej .devcontainer/environment.yml.

Napolnite svojo datoteko okolja z naslednjo vsebino:

name: <environment-name>
channels:
  - defaults
  - microsoft
dependencies:
  - python=<python-version>
  - openai
  - python-dotenv
  - pip
  - pip:
      - azure-ai-ml

Če se pri uporabi conda pojavljajo napake, lahko ročno namestite Microsoft AI knjižnice s sledečim ukazom v terminalu.

conda install -c microsoft azure-ai-ml

Datoteka okolja določa potrebne odvisnosti. <environment-name> je ime, ki ga želite uporabiti za svoje Conda okolje, <python-version> pa je različica Pythona, ki jo želite imeti, na primer 3 je najnovejša glavna različica Pythona.

Ko je to pripravljeno, lahko s spodnjimi ukazi v terminalu ustvarite Conda okolje.

conda env create --name ai4beg --file .devcontainer/environment.yml # Podpot .devcontainer velja samo za nastavitve Codespace
conda activate ai4beg

Če naletite na težave, si oglejte navodila za Conda okolja.

Uporaba Visual Studio Code z razširitvijo za Python

Priporočamo uporabo urejevalnika Visual Studio Code (VS Code) z nameščeno razširitvijo za podporo Python za ta tečaj. Gre za priporočilo, ne obvezen pogoj.

Opomba: Če odprete repozitorij tečaja v VS Code, imate možnost postaviti projekt znotraj vsebnika. To je omogočeno zaradi posebne mape .devcontainer v repozitoriju. O tem več kasneje.

Opomba: Ko klonirate in odprete mapo v VS Code, vam bo samodejno predlagal namestitev razširitve za Python.

Opomba: Če vam VS Code predlaga ponovno odpiranje repozitorija v vsebniku, to zahtevo zavrnite, če želite uporabiti lokalno nameščeno različico Pythona.

Uporaba Jupyter v brskalniku

Projekt lahko upravljate tudi s Jupyter okoljem neposredno v vašem brskalniku. Tako klasični Jupyter kot Jupyter Hub nudita prijetno razvojno okolje z možnostmi kot so samodejno dokončanje, označevanje kode ipd.

Za zagon Jupyter lokalno odprite terminal/ukazno vrstico, se pomaknite do mape tečaja in izvedite:

jupyter notebook

ali

jupyterhub

Ta ukaz bo zagnal Jupyter instanco, URL za dostop pa bo prikazan v ukazni vrstici.

Ko dostopate do URL-ja, boste videli načrt tečaja in lahko dostopali do katere koli datoteke *.ipynb. Na primer, 08-building-search-applications/python/oai-solution.ipynb.

Zagon v vsebniku

Alternativa nastavitvi vsega na vašem računalniku ali Codespace je uporaba vsebnikov. Posebna mapa .devcontainer v repozitoriju omogoča VS Code, da nastavi projekt znotraj vsebnika. Izven Codespaces bo to zahtevalo namestitev Dockerja, in iskreno rečeno, zahteva nekaj dela, zato to priporočamo le tistim z izkušnjami z vsebniki.

Eden najboljših načinov, da ohranite varnost svojih API ključev pri uporabi GitHub Codespaces, je uporaba Codespace Secrets. Prosimo, sledite vodiču za upravljanje skrivnosti v Codespaces za več informacij.

Lekcije in tehnične zahteve

Tečaj vsebuje 6 konceptnih in 6 programerskih lekcij.

Za programerske lekcije uporabljamo Azure OpenAI Service. Potrebovali boste dostop do Azure OpenAI storitve in API ključ za zagon kode. Dostop lahko zaprosite tako, da izpolnite to prijavo.

Medtem ko čakate na obdelavo vaše prijave, ima vsaka programerska lekcija tudi README.md datoteko, kjer si lahko ogledate kodo in izhode.

Prvič uporabljate Azure OpenAI Service?

Če prvič delate z Azure OpenAI storitvijo, sledite temu vodiču, kako ustvariti in namestiti Azure OpenAI Service vir.

Prvič uporabljate OpenAI API?

Če prvič delate z OpenAI API, sledite vodiču, kako ustvariti in uporabljati vmesnik.

Spoznajte druge učence

Ustvarili smo kanale na našem uradnem AI Community Discord strežniku za spoznavanje drugih učencev. To je odličen način za mreženje z drugimi podjetniki, razvijalci, študenti in vsakim, ki želi napredovati na področju Generativne AI.

Join discord channel

Projektna ekipa bo prav tako na tem Discord strežniku za pomoč učencem.

Prispevajte

Ta tečaj je odprtokodna iniciativa. Če opazite možnosti za izboljšave ali težave, prosimo, ustvarite Pull Request ali prijavite GitHub težavo.

Projektna ekipa bo spremljala vse prispevke. Prispevanje k odprtokodni kodi je odličen način za razvoj kariere v Generativni AI.

Večina prispevkov zahteva, da se strinjate s Pogodbo o prispevku (CLA), s katero izjavite, da imate pravico in dejansko omogočate uporabo vašega prispevka. Za podrobnosti obiščite CLA, Contributor License Agreement spletno stran.

Pomembno: pri prevajanju vsebin v tem repozitoriju poskrbite, da ne uporabljate strojnega prevajanja. Prevode bomo preverjali preko skupnosti, zato se prostovoljno prijavite za prevode samo v jezikih, kjer imate ustrezno znanje.

Ko oddate pull request, bo CLA-bot samodejno preveril, ali morate zagotoviti CLA in ustrezno označil PR (npr. z nalepko, komentarjem). Sledite navodilom, ki jih da bot. To boste morali storiti le enkrat za vse repozitorije z našo CLA.

Ta projekt je sprejel Microsoftov kodeks ravnanja za odprtokodno programsko opremo. Za več informacij preberite Pogosta vprašanja o kodeksu ravnanja ali kontaktirajte Email opencode za dodatna vprašanja ali komentarje.

Začnimo!

Zdaj, ko ste zaključili potrebne korake za dokončanje tega tečaja, začnimo z uvodom v generativno umetno inteligenco in velike jezikovne modele (LLM).

Izjava o omejitvi odgovornosti: Ta dokument je bil preveden z uporabo storitve za strojno prevajanje AI Co-op Translator. Čeprav si prizadevamo za natančnost, upoštevajte, da lahko avtomatizirani prevodi vsebujejo napake ali netočnosti. Izvirni dokument v njegovem maternem jeziku velja za avtoritativni vir. Za ključne informacije priporočamo profesionalni človeški prevod. Za morebitna nesporazume ali napačne interpretacije, ki izhajajo iz uporabe tega prevoda, ne prevzemamo nobene odgovornosti.