Skip to content

02-setup-local.md

Latest commit

 

History

History
223 lines (149 loc) · 9.86 KB

02-setup-local.md

File metadata and controls

223 lines (149 loc) · 9.86 KB

Lokální nastavení 🖥️

Použijte tento návod, pokud dáváte přednost spuštění všeho na vlastním notebooku.
Máte dvě možnosti: (A) nativní Python + virtual-env nebo (B) VS Code Dev Container s Dockerem.
Vyberte si, co vám přijde jednodušší – obě cesty vedou ke stejným lekcím.

1. Požadavky

Nástroj Verze / Poznámky
Python 3.10 + (stáhněte z https://python.org)
Git Nejnovější (součástí Xcode / Git pro Windows / správce balíčků Linuxu)
VS Code Volitelný, ale doporučený https://code.visualstudio.com
Docker Desktop Pouze pro možnost B. Zdarma ke stažení: https://docs.docker.com/desktop/

💡 Tip – Ověřte nástroje v terminálu:
python --version, git --version, docker --version, code --version

2. Možnost A – Nativní Python (nejrychlejší)

Krok 1 Naklonujte tento repozitář

git clone https://github.com/<your-github>/generative-ai-for-beginners
cd generative-ai-for-beginners

Krok 2 Vytvořte a aktivujte virtuální prostředí

python -m venv .venv          # vytvořit jeden
source .venv/bin/activate     # macOS / Linux
.\.venv\Scripts\activate      # Windows PowerShell

✅ Výzva by nyní měla začínat (.venv) – to znamená, že jste uvnitř prostředí.

Krok 3 Nainstalujte závislosti

pip install -r requirements.txt

Přejděte k Sekci 3 o API klíčích

2. Možnost B – VS Code Dev Container (Docker)

Tento repozitář a kurz jsme nastavili s vývojovým kontejnerem, který má univerzální runtime podporující Python3, .NET, Node.js a Java vývoj. Související konfigurace je definována v souboru devcontainer.json umístěném ve složce .devcontainer/ v kořenovém adresáři tohoto repozitáře.

Proč tuto možnost?
Identické prostředí jako Codespaces; žádný drift závislostí.

Krok 0 Nainstalujte doplňky

Docker Desktop – ověřte, že funguje příkaz docker --version.
VS Code Remote – Containers rozšíření (ID: ms-vscode-remote.remote-containers).

Krok 1 Otevřete repozitář ve VS Code

Soubor ▸ Otevřít složku… → generative-ai-for-beginners

VS Code detekuje .devcontainer/ a zobrazí výzvu.

Krok 2 Znovu otevřete v kontejneru

Klikněte na „Reopen in Container“. Docker sestaví image (≈ 3 minuty při prvním spuštění).
Když se objeví terminálová výzva, jste uvnitř kontejneru.

2. Možnost C – Miniconda

Miniconda je lehký instalátor pro instalaci Conda, Pythonu a několika balíčků.
Conda je správce balíčků, který usnadňuje nastavení a přepínání mezi různými Python virtuálními prostředími a balíčky. Hodí se také pro instalaci balíčků, které nejsou dostupné přes pip.

Krok 0 Nainstalujte Miniconda

Postupujte podle návodu na instalaci MiniConda.

conda --version

Krok 1 Vytvořte virtuální prostředí

Vytvořte nový soubor prostředí (environment.yml). Pokud používáte Codespaces, vytvořte ho ve složce .devcontainer, tedy .devcontainer/environment.yml.

Krok 2 Naplňte soubor prostředí

Přidejte následující úryvek do vašeho environment.yml

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

Krok 3 Vytvořte Conda prostředí

Spusťte níže uvedené příkazy v příkazovém řádku/terminálu

conda env create --name ai4beg --file .devcontainer/environment.yml # Podcesta .devcontainer platí pouze pro nastavení Codespace
conda activate ai4beg

Pokud narazíte na problémy, podívejte se do návodu na Conda prostředí.

2 Možnost D – Klasický Jupyter / Jupyter Lab (v prohlížeči)

Pro koho je to?
Pro každého, kdo miluje klasické rozhraní Jupyter nebo chce spouštět notebooky bez VS Code.

Krok 1 Ujistěte se, že máte Jupyter nainstalovaný

Pro spuštění Jupyter lokálně přejděte do terminálu/příkazového řádku, přejděte do adresáře kurzu a spusťte:

jupyter notebook

nebo

jupyterhub

Tím se spustí instance Jupyter a URL pro přístup bude zobrazena v příkazovém řádku.

Po přístupu na URL byste měli vidět osnovu kurzu a můžete procházet jakýkoli soubor *.ipynb. Například 08-building-search-applications/python/oai-solution.ipynb.

3. Přidejte své API klíče

Je důležité uchovávat své API klíče v bezpečí při tvorbě jakékoli aplikace. Doporučujeme neukládat API klíče přímo v kódu. Pokud byste tyto údaje commitovali do veřejného repozitáře, mohlo by to vést k bezpečnostním problémům a nežádoucím nákladům, pokud by je zneužil někdo nepovolaný.
Zde je krok za krokem návod, jak vytvořit .env soubor pro Python a přidat GITHUB_TOKEN:

  1. Přejděte do adresáře projektu: Otevřete terminál nebo příkazový řádek a přejděte do kořenového adresáře projektu, kde chcete .env soubor vytvořit.

    cd path/to/your/project

  2. Vytvořte .env soubor: Použijte svůj oblíbený textový editor k vytvoření nového souboru s názvem .env. Pokud používáte příkazový řádek, můžete použít touch (na systémech Unix) nebo echo (na Windows):

    Unixové systémy:

    touch .env

    Windows:

    echo . > .env

  3. Upravte .env soubor: Otevřete .env soubor v textovém editoru (např. VS Code, Notepad++ nebo jiný editor). Přidejte následující řádek, kde your_github_token_here nahraďte svým skutečným GitHub tokenem:

    GITHUB_TOKEN=your_github_token_here

  4. Uložte soubor: Uložte změny a zavřete editor.

  5. Nainstalujte python-dotenv: Pokud jste tak ještě neučinili, budete potřebovat nainstalovat balíček python-dotenv, který načte proměnné prostředí ze souboru .env do vaší Python aplikace. Nainstalujete ho pomocí pip:

    pip install python-dotenv

  6. Načtěte proměnné prostředí ve svém Python skriptu: Ve svém Python skriptu použijte balíček python-dotenv k načtení proměnných prostředí ze souboru .env:

    from dotenv import load_dotenv
import os

# Načíst proměnné prostředí ze souboru .env
load_dotenv()

# Přistupovat k proměnné GITHUB_TOKEN
github_token = os.getenv("GITHUB_TOKEN")

print(github_token)

To je vše! Úspěšně jste vytvořili .env soubor, přidali GitHub token a načetli ho do své Python aplikace.

🔐 Nikdy necommitujte .env – je již v .gitignore.
Kompletní instrukce poskytovatelů najdete v providers.md.

4. Co dál?

Chci… Jít na…
Začít Lekci 1 01-introduction-to-genai
Nastavit poskytovatele LLM providers.md
Seznámit se s ostatními studenty Připojit se na náš Discord

5. Řešení problémů

Příznak Řešení
python not found Přidejte Python do PATH nebo znovu otevřete terminál po instalaci
pip nemůže sestavit wheels (Windows) pip install --upgrade pip setuptools wheel a zkuste znovu.
ModuleNotFoundError: dotenv Spusťte pip install -r requirements.txt (prostředí nebylo nainstalováno).
Docker build selže No space left Docker Desktop ▸ Nastavení ▸ Zdroje → zvětšete velikost disku.
VS Code stále nabízí znovu otevřít Můžete mít aktivní obě možnosti; vyberte jednu (venv nebo kontejner)
OpenAI 401 / 429 chyby Zkontrolujte hodnotu OPENAI_API_KEY / limity požadavků.
Chyby při použití Conda Nainstalujte Microsoft AI knihovny pomocí conda install -c microsoft azure-ai-ml

Prohlášení o vyloučení odpovědnosti:
Tento dokument byl přeložen pomocí AI překladatelské služby Co-op Translator. Přestože usilujeme o přesnost, mějte prosím na paměti, že automatizované překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro kritické informace se doporučuje profesionální lidský překlad. Nejsme odpovědní za jakékoliv nedorozumění nebo nesprávné výklady vyplývající z použití tohoto překladu.