Skip to content

README.md

Latest commit

 

History

History
225 lines (139 loc) · 12.2 KB

README.md

File metadata and controls

225 lines (139 loc) · 12.2 KB

開始這門課程

我們非常期待您開始這門課程，並看看您能從生成式 AI 中獲得哪些啟發來構建！

為了確保您的成功，這一頁概述了設置步驟、技術要求，以及在需要時可以獲得幫助的地方。

設置步驟

要開始這門課程，您需要完成以下步驟。

1. Fork 這個 Repo

Fork 整個 repo 到您自己的 GitHub 帳戶，以便能夠更改任何代碼並完成挑戰。您也可以星標 (🌟) 這個 repo 以便更容易找到它和相關的 repo。

2. 創建一個 codespace

為了避免在運行代碼時出現依賴問題，我們建議在 GitHub Codespaces 中運行這門課程。

這可以通過在您 fork 的 repo 版本上選擇 Code 選項，然後選擇 Codespaces 選項來創建。

顯示創建 codespace 按鈕的對話框

3. 儲存您的 API 密鑰

在構建任何類型的應用程序時，保持 API 密鑰的安全非常重要。我們建議不要直接將 API 密鑰存儲在您的代碼中。將這些詳細信息提交到公共庫可能會導致安全問題，甚至可能因不良行為者使用而產生不必要的費用。 以下是一個關於如何為 Python 創建 .env 文件並添加 GITHUB_TOKEN 的逐步指南：

  1. 導航到您的項目目錄：打開您的終端或命令提示符，導航到您想創建 .env 文件的項目根目錄。

    cd path/to/your/project

  2. 創建 .env 文件：使用您喜歡的文本編輯器創建一個名為 .env 的新文件。如果您使用命令行，可以使用 touch (on Unix-based systems) or echo（在 Windows 上）：

    Unix 系統：

    touch .env

    Windows：

    echo . > .env

  3. 編輯 .env 文件：在文本編輯器中打開 .env 文件（例如，VS Code，Notepad++，或其他編輯器）。在文件中添加以下行，將 your_github_token_here 替換為您的實際 GitHub 令牌：

    GITHUB_TOKEN=your_github_token_here

  4. 保存文件：保存更改並關閉文本編輯器。

  5. 安裝 python-dotenv: If you haven't already, you'll need to install the python-dotenv 包以從 .env 文件中加載環境變量到您的 Python 應用程序中。您可以使用 pip 安裝：

    pip install python-dotenv

  6. 在您的 Python 腳本中加載環境變量：在您的 Python 腳本中，使用 python-dotenv 包從 .env 文件中加載環境變量：

    from dotenv import load_dotenv
import os

# Load environment variables from .env file
load_dotenv()

# Access the GITHUB_TOKEN variable
github_token = os.getenv("GITHUB_TOKEN")

print(github_token)

就是這樣！您已成功創建 .env 文件，添加了您的 GitHub 令牌，並將其加載到您的 Python 應用程序中。

如何在本地電腦上運行

要在本地電腦上運行代碼，您需要安裝某個版本的 Python。

然後要使用庫，您需要克隆它：

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

一旦您檢出了一切，您就可以開始了！

可選步驟

安裝 Miniconda

Miniconda 是一個輕量級的安裝程序，用於安裝 Conda、Python 以及一些包。 Conda 本身是一個包管理器，可以輕鬆設置和切換不同的 Python 虛擬環境 和包。它也非常方便於安裝那些不能通過 pip.

You can follow the MiniConda installation guide to set it up.

With Miniconda installed, you need to clone the repository (if you haven't already)

Next, you need to create a virtual environment. To do this with Conda, go ahead and create a new environment file (environment.yml). If you are following along using Codespaces, create this within the .devcontainer directory, thus .devcontainer/environment.yml 獲得的包。

繼續並使用下面的片段填充您的環境文件：

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

如果您發現使用 conda 時出錯，您可以在終端中使用以下命令手動安裝 Microsoft AI Libraries。

conda install -c microsoft azure-ai-ml

環境文件指定了我們需要的依賴項。<environment-name> refers to the name you would like to use for your Conda environment, and <python-version> is the version of Python you would like to use, for example, 3 是 Python 的最新主要版本。

完成後，您可以通過在命令行/終端中運行以下命令來創建您的 Conda 環境

conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer sub path applies to only Codespace setups
conda activate ai4beg

如果您遇到任何問題，請參考 Conda 環境指南。

使用 Visual Studio Code 和 Python 支持擴展

我們建議使用 Visual Studio Code (VS Code) 編輯器並安裝 Python 支持擴展 來學習這門課程。然而，這只是建議而非必須要求。

注意：通過在 VS Code 中打開課程庫，您可以選擇在容器中設置項目。這是由於課程庫中存在的 特殊 .devcontainer 目錄。稍後會有更多介紹。

注意：一旦您克隆並在 VS Code 中打開目錄，它會自動建議您安裝 Python 支持擴展。

注意：如果 VS Code 建議您在容器中重新打開庫，請拒絕此請求以使用本地安裝的 Python 版本。

在瀏覽器中使用 Jupyter

您也可以直接在瀏覽器中使用 Jupyter 環境 來處理項目。無論是經典的 Jupyter 還是 Jupyter Hub 都提供了非常不錯的開發環境，具有自動補全、代碼高亮等功能。

要在本地啟動 Jupyter，請前往終端/命令行，導航到課程目錄，並執行：

jupyter notebook

或

jupyterhub

這將啟動一個 Jupyter 實例，訪問它的 URL 會顯示在命令行窗口中。

一旦您訪問了 URL，您應該能看到課程大綱，並能導航到任何 *.ipynb file. For example, 08-building-search-applications/python/oai-solution.ipynb.

Running in a container

An alternative to setting everything up on your computer or Codespace is to use a container. The special .devcontainer folder within the course repository makes it possible for VS Code to set up the project within a container. Outside of Codespaces, this will require the installation of Docker, and quite frankly, it involves a bit of work, so we recommend this only to those with experience working with containers.

One of the best ways to keep your API keys secure when using GitHub Codespaces is by using Codespace Secrets. Please follow the Codespaces secrets management guide to learn more about this.

Lessons and Technical Requirements

The course has 6 concept lessons and 6 coding lessons.

For the coding lessons, we are using the Azure OpenAI Service. You will need access to the Azure OpenAI service and an API key to run this code. You can apply to get access by completing this application.

While you wait for your application to be processed, each coding lesson also includes a README.md 文件，您可以查看代碼和輸出。

第一次使用 Azure OpenAI 服務

如果這是您第一次使用 Azure OpenAI 服務，請按照這個指南來 創建和部署 Azure OpenAI 服務資源。

第一次使用 OpenAI API

如果這是您第一次使用 OpenAI API，請按照指南來 創建和使用界面。

認識其他學習者

我們在官方 AI 社區 Discord 服務器 中創建了渠道來與其他學習者會面。這是一個與其他志同道合的企業家、創建者、學生以及任何想在生成式 AI 中提升的人進行交流的好方法。

加入 discord 頻道

項目團隊也將在此 Discord 服務器上幫助任何學習者。

貢獻

這門課程是一個開源項目。如果您看到改進的地方或問題，請創建一個 Pull Request 或記錄一個 GitHub 問題。

項目團隊將跟蹤所有貢獻。貢獻開源是一個在生成式 AI 領域建立職業生涯的好方法。

大多數貢獻需要您同意一份貢獻者許可協議 (CLA)，聲明您有權並實際授予我們使用您貢獻的權利。詳細信息，請訪問 CLA, 貢獻者許可協議網站。

重要：在翻譯此 repo 中的文本時，請確保不使用機器翻譯。我們將通過社區驗證翻譯，因此請僅在您熟練的語言中自願翻譯。

當您提交 pull request 時，CLA-bot 會自動確定您是否需要提供 CLA 並適當地裝飾 PR（例如，標籤、評論）。只需按照 bot 提供的指示操作即可。在使用我們的 CLA 的所有庫中，您只需要這樣做一次。

此項目已採用 Microsoft 開源行為準則。如需更多信息，請閱讀行為準則 FAQ 或聯繫 Email opencode 以獲取任何其他問題或意見。

開始吧

現在您已完成這門課程所需的步驟，讓我們通過獲取生成式 AI 和 LLMs 的介紹來開始吧。

免責聲明：
本文檔是使用AI翻譯服務Co-op Translator翻譯的。儘管我們努力確保準確性，但請注意自動翻譯可能包含錯誤或不準確之處。應將原始文檔視為權威來源。對於關鍵信息，建議使用專業人工翻譯。對於使用此翻譯引起的任何誤解或誤解，我們不承擔責任。