Skip to content

02-setup-local.md

Latest commit

 

History

History
223 lines (149 loc) · 16.1 KB

02-setup-local.md

File metadata and controls

223 lines (149 loc) · 16.1 KB

ការតំឡើងក្នុងតំបន់ 🖥️

ប្រើមគ្គុទេសក៍នេះ ប្រសិនបើអ្នកចូលចិត្តរត់គ្រប់យ៉ាងនៅលើកុំព្យូទ័រយួរដៃរបស់អ្នក។
អ្នកមានផ្លូវពីរ៖ (A) Python ដើម + virtual-env ឬ (B) VS Code Dev Container ជាមួយ Docker។
ជ្រើសរើសអ្វីដែលងាយស្រួលជាង—ពីរយ៉ាងនេះនាំឲ្យបានមេរៀនដដែល។

1. អ្វីដែលត្រូវមានមុន

ឧបករណ៍ កំណែ / ចំណាំ
Python 3.10+ (ទាញយកពី https://python.org)
Git ថ្មីបំផុត (អាចបានជាមួយ Xcode / Git សម្រាប់ Windows / ប្រព័ន្ធគ្រប់គ្រងបន្ទប់លីនុច)
VS Code ជាជម្រើស ប៉ុន្តេទាមទារជាក្រិត https://code.visualstudio.com
Docker Desktop សម្រាប់ជម្រើស B តែប៉ុណ្ណោះ។ ដំឡើងដោយឥតគិតថ្លៃៈ https://docs.docker.com/desktop/

💡 ជំនួយ – ពិនិត្យឧបករណ៍នៅក្នុងផ្ទាំងបញ្ជា:
python --version, git --version, docker --version, code --version

2. ជម្រើស A – Python ដើម (លឿនបំផុត)

ជំហាន 1 ចម្លង repo នេះ

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

ជំហាន 2 បង្កើត និងបើក virtual environment

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

✅ បន្ទាត់បញ្ជាគួរតែចាប់ផ្តើមជាមួយ (.venv)—មានន័យថាអ្នកនៅក្នុង env រួចហើយ។

ជំហាន 3 ដំឡើងការពឹងផ្អែក

pip install -r requirements.txt

រាតត្បាតទៅផ្នែក 3៖ API keys

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

យើងបានដំឡើងទុក repo និងមេរៀននេះជាមួយនឹង development container ដែលមាន runtime សាកសមសម្រាប់ Python3, .NET, Node.js និង Java។ រចនាសម្ព័ន្ធពាក់ព័ន្ធត្រូវបានកំណត់នៅក្នុងឯកសារ devcontainer.json ដែលស្ថិតនៅក្នុងថត .devcontainer/ នៅជាន់ដើមនៃ repo នេះ។

ហេតុអ្វីជ្រើសរើសនេះ?
បរិវេណដូចគ្នានឹង Codespaces; មិនមានការបែកបាក់ផ្នែកផ្នែកពឹងផ្អែកពីក្រៅ។

ជំហាន 0 ដំឡើងបន្ថែម

Docker Desktop – បញ្ជាក់ថា docker --version ធ្វើការ។
VS Code Remote – Containers extension (ID: ms-vscode-remote.remote-containers)។

ជំហាន 1 បើក repo ក្នុង VS Code

File ▸ Open Folder… → generative-ai-for-beginners

VS Code ចាប់ផ្តើមមើលឃើញ .devcontainer/ ហើយបង្ហាញផ្ទាំងណែនាំ។

ជំហាន 2 បើកឡើងវិញនៅក្នុង container

ចុច “Reopen in Container”។ Docker ក៏កំពុងសង់រូបភាព (≈ 3 នាទីដំបូង)។ ពេលដែលបន្ទាត់បញ្ជាដាក់បង្ហាញ អ្នកកំពុងនៅក្នុង container។

2. ជម្រើស C – Miniconda

Miniconda ជា installer ទម្ងន់ស្រាលសម្រាប់ដំឡើង Conda, Python និងការវេចខ្ចប់ខ្លះៗផងដែរ។
Conda ផ្ទាល់ខ្លួនគឺជាម៉េដែលគ្រប់គ្រងកញ្ចប់មួយ ដែលធ្វើឲ្យងាយស្រួលក្នុងការតំឡើង និងប្ដូរវាតាក់ Python និងកញ្ចប់ផ្សេងៗ។ វាក៏មានប្រយោជន៍សម្រាប់ដំឡើងកញ្ចប់ដែលមិនអាចទាញយកបានពី pip។

ជំហាន 0 ដំឡើង Miniconda

អនុវត្តតាម មគ្គុទេសក៍ដំឡើង MiniConda ដើម្បីដំឡើង។

conda --version

ជំហាន 1 បង្កើត virtual environment

បង្កើតឯកសារបរិស្ថានថ្មី (environment.yml)។ ប្រសិនបើអ្នកកំពុងប្រើ Codespaces សូមបង្កើតក្នុងថត .devcontainer ដូច្នេះជា .devcontainer/environment.yml។

ជំហាន 2 បំពេញឯកសារបរិស្ថានរបស់អ្នក

បន្ថែមឈុតខាងក្រោមទៅក្នុង environment.yml

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

ជំហាន 3 បង្កើតបរិស្ថាន Conda របស់អ្នក

ដំណើរការបញ្ជាខាងក្រោមនៅក្នុងបន្ទាត់បញ្ជា/terminal របស់អ្នក

conda env create --name ai4beg --file .devcontainer/environment.yml # ផ្លូវរង .devcontainer ដំណើរការត្រឹមតែការតំឡើង Codespace ប៉ុណ្ណោះ
conda activate ai4beg

មើលទៅ មគ្គុទេសក៍ពីបរិស្ថាន Conda ប្រសិនបើមានបញ្ហាណាមួយ។

2 ជម្រើស D – Jupyter / Jupyter Lab ដើរដោយភ្លាម (នៅក្នុងគេហទំព័រ)

សម្រាប់នរណា?
មនុស្សដែលចូលចិត្តផ្ទាំងប្រើប្រាស់ Jupyter ដើម ឬចង់រត់សៀវភៅកំណត់ត្រាដោយគ្មាន VS Code។

ជំហាន 1 ប្រាកដថា Jupyter ត្រូវបានដំឡើង

ដើម្បីបើក Jupyter ក្នុងកន្លែងភ្លាម សូមទៅផ្ទាំងបញ្ជា/command line, ប្រែប្រួលទៅថតមេរបស់មេរៀន ហើយបញ្ជា៖

jupyter notebook

ឬ

jupyterhub

នេះនឹងបើកឲ្យមានអាគារស្មារតី Jupyter ហើយ URL សម្រាប់ចូលទៅកាន់វានឹងបង្ហាញក្នុងផ្ទាំងបញ្ជា។

ពេលដែលអ្នកចូល URL នោះ អ្នកគួរតែឃើញសេរ៉ូមេរៀន ហើយអាចចូលទៅកាន់ឯកសារ *.ipynb តែម្តង។ ឧទាហរណ៍ 08-building-search-applications/python/oai-solution.ipynb។

3. បញ្ចូលAPI Keys របស់អ្នក

ការកាន់កាប់ API keys របស់អ្នកឲ្យមានសុវត្ថិភាព គឺមានសារៈសំខាន់នៅពេលបង្កើតកម្មវិធីគ្រប់ប្រភេទមួយ។ យើងណែនាំកុំផ្ទុក API keys ផ្ទាល់នៅក្នុងកូដ។ ការប្តូរព័ត៌មានទាំងនេះទៅ repo សាធារណៈអាចបណ្តាលឲ្យមានបញ្ហាសុវត្ថិភាព ហើយថ្លៃចំណាយដែលមិនចង់បាន ប្រសិនបើមានអ្នកមិនល្អប្រើប្រាស់។
នេះជាមគ្គុទេសក៍ជំហានជំហានរបៀបបង្កើតឯកសារ .env សម្រាប់ Python និងបន្ថែម GITHUB_TOKEN៖

  1. ទៅទៅកាន់ថតគម្រោងរបស់អ្នក៖ បើក terminal ឬ command prompt ហើយទៅកាន់ថតមេរបស់គម្រោង ដែលអ្នកចង់បង្កើត .env។

    cd path/to/your/project

  2. បង្កើតឯកសារ .env៖ ប្រើកម្មវិធីកែសម្រួលអត្ថបទដែលអ្នកចូលចិត្ត ដើម្បីបង្កើតឯកសារថ្មីឈ្មោះ .env។ ប្រសិនបើប្រើ command line អ្នកអាចប្រើ touch (លើប្រព័ន្ធ Unix) ឬ echo (លើ Windows)៖

    ប្រព័ន្ធ Unix៖

    touch .env

    Windows៖

    echo . > .env

  3. កែប្រែឯកសារ .env៖ បើក .env លើកម្មវិធីកែសម្រួលអត្ថបទ (ឧ. VS Code, Notepad++, ឬក៏កែសម្រួលផ្សេងៗ)។ បន្ថែមបន្ទាត់ខាងក្រោមនៅក្នុងឯកសារ ដើម្បីជំនួស your_github_token_here ជាមួយ token GitHub ច្បាស់របស់អ្នក៖

    GITHUB_TOKEN=your_github_token_here

  4. រក្សាទុកឯកសារ៖ រក្សាទុកការផ្លាស់ប្តូរ ហើយបិទកម្មវិធីកែសម្រួលអត្ថបទ។

  5. ដំឡើង python-dotenv៖ ប្រសិនបើអ្នកមិនទាន់ដំឡើងទេ អ្នកត្រូវតែដំឡើងកញ្ចប់ python-dotenv ដើម្បីបញ្ចូល environment variables ពី .env ទៅកម្មវិធី Python របស់អ្នក។ អ្នកអាចដំឡើងវាបានដោយប្រើ pip៖

    pip install python-dotenv

  6. បញ្ចូល environment variables នៅក្នុង script Python របស់អ្នក៖ នៅក្នុង script Python របស់អ្នក ប្រើកញ្ចប់ python-dotenv ដើម្បីបញ្ចូល environment variables ពី .env៖

    from dotenv import load_dotenv
import os

# បង្ហាញអថេរបរិស្ថានពីឯកសារ .env
load_dotenv()

# ចូលប្រើអថេរ GITHUB_TOKEN
github_token = os.getenv("GITHUB_TOKEN")

print(github_token)

ប៉ុន្តែប៉ុណ្ណោះ! អ្នកបានបង្កើត .env ដោយជោគជ័យ បន្ថែម GitHub token ហើយបញ្ចូលវាទៅកម្មវិធី Python រួចហើយ។

🔐 មិនចាំបាច់ commit .env—វាបានដាក់នៅក្នុង .gitignore រួចហើយ។
សេចក្តីណែនាំពេញលេញសម្រាប់អ្នកផ្គត់ផ្គង់ស្ថិតក្នុង providers.md។

4. ត្រូវធ្វើយ៉ាងដូចម្តេចបន្ទាប់?

អ្វីដែលខ្ញុំចង់ធ្វើ… ទៅកាន់…
ចាប់ផ្តើមមេរៀនទី 1 01-introduction-to-genai
តំឡើងអ្នកផ្គត់ផ្គង់ LLM providers.md
ជួបអ្នករៀនផ្សេងទៀត ចូលរួម Discord របស់យើង

5. ដោះស្រាយបញ្ហា

របាំងសញ្ញា ដំណោះស្រាយ
python not found បន្ថែម Python ទៅ PATH ឬបើកផ្ទាំងបញ្ជាថ្មីបន្ទាប់ពីដំឡើង
pip មិនអាចសង់ wheels បាន (Windows) pip install --upgrade pip setuptools wheel បន្ទាប់ម្តងសាកល្បងម្ដងទៀត។
ModuleNotFoundError: dotenv ប្រើ pip install -r requirements.txt (env មិនបានដំឡើងទេ)
ការសង់ Docker បរាជ័យ No space left Docker Desktop ▸ Settings ▸ Resources → បន្ថែមទំហំ hard drive។
VS Code ផ្តល់ជូនបន្តផ្តើមបើកឡើងវិញ អ្នកប្រហែលជាមាន Option ទាំងពីរដំណើរការ; ជ្រើស Option មួយ (venv ឬ container)
ផ្សាយ OpenAI 401 / 429 errors ពិនិត្យតម្លៃ OPENAI_API_KEY / កម្រិតសំណើកំពូល។
បញ្ហាក្នុងការប្រើ Conda ដំឡើងបណ្ណាល័យ Microsoft AI ដោយប្រើ conda install -c microsoft azure-ai-ml

ការបដិសេធ៖
ឯកសារនេះត្រូវបានបកប្រែដោយប្រើសេវាកម្មបកប្រែ AI Co-op Translator។ ខណៈពេលយើងខិតខំប្រឹងប្រែងសម្រាប់ភាពត្រឹមត្រូវ សូមជ្រាបថាការបកប្រែដោយស្វ័យប្រវត្តិអាចមានកំហុស ឬភាពមិនត្រឹមត្រូវខ្លះ។ ឯកសារដើមក្នុងភាសាមូលដ្ឋានគួរត្រូវបានយកចិត្តទុកដាក់ទៅជាមូលដ្ឋានយុត្តិធម៌។ សម្រាប់ព័ត៌មានសំខាន់ៗ ខ្មែរ្ជម៉្យើងណែនាំឲ្យមានការបកប្រែដោយមនុស្សជំនាញជាវិជ្ជាជីវៈ។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកប្រែខុសរបស់បកប្រែនេះឡើយ។