Skip to content

02-setup-local.md

Latest commit

 

History

History
223 lines (149 loc) · 17.7 KB

02-setup-local.md

File metadata and controls

223 lines (149 loc) · 17.7 KB

లోకల్ సెటప్ 🖥️

మీరు మీ స్వంత ల్యాప్‌టాప్‌లోనే అన్నీ నడపాలని ఇష్టపడితే ఈ గైడ్‌ను ఉపయోగించండి.
మీకు రెండు మార్గాలు ఉన్నాయి: (A) స్థానిక Python + virtual-env లేదా (B) Dockerతో VS Code Dev Container.
ఏది సులభంగా అనిపిస్తే దానిని ఎంచుకోండి—రెండూ ఒకే పాఠాలకు దారితీస్తాయి.

1. ముందస్తు అవసరాలు

టూల్ వెర్షన్ / గమనికలు
Python 3.10 + (https://python.org నుండి పొందండి)
Git తాజా (Xcode / Git for Windows / Linux ప్యాకేజ్ మేనేజర్‌తో వస్తుంది)
VS Code ఐచ్ఛికం కానీ సిఫార్సు చేయబడింది https://code.visualstudio.com
Docker Desktop కేవలం ఆప్షన్ B కోసం. ఉచిత ఇన్‌స్టాల్: https://docs.docker.com/desktop/

💡 సూచన – టూల్స్‌ను టెర్మినల్‌లో ధృవీకరించండి:
python --version, git --version, docker --version, code --version

2. ఆప్షన్ A – స్థానిక Python (త్వరితమైనది)

దశ 1 ఈ రిపోను క్లోన్ చేయండి

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

దశ 2 వర్చువల్ ఎన్విరాన్‌మెంట్ సృష్టించి యాక్టివేట్ చేయండి

python -m venv .venv          # ఒకటి చేయండి
source .venv/bin/activate     # మాక్OS / లినక్స్
.\.venv\Scripts\activate      # విండోస్ పవర్‌షెల్

✅ ప్రాంప్ట్ ఇప్పుడు (.venv) తో ప్రారంభమవ్వాలి—అంటే మీరు ఎన్విలో ఉన్నారు.

దశ 3 డిపెండెన్సీలు ఇన్‌స్టాల్ చేయండి

pip install -r requirements.txt

API కీలు పై సెక్షన్ 3 కి దూకండి

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

మేము ఈ రిపోజిటరీ మరియు కోర్సును డెవలప్‌మెంట్ కంటైనర్ తో సెటప్ చేసాము, ఇది Python3, .NET, Node.js మరియు Java డెవలప్‌మెంట్‌ను మద్దతు ఇచ్చే యూనివర్సల్ రన్‌టైమ్ కలిగి ఉంది. సంబంధిత కాన్ఫిగరేషన్ devcontainer.json ఫైల్‌లో నిర్వచించబడింది, ఇది ఈ రిపోజిటరీ రూట్‌లోని .devcontainer/ ఫోల్డర్‌లో ఉంది.

దీనిని ఎందుకు ఎంచుకోవాలి?
Codespaces కు సమానమైన వాతావరణం; డిపెండెన్సీ డ్రిఫ్ట్ లేదు.

దశ 0 అదనపు ప్యాకేజీలను ఇన్‌స్టాల్ చేయండి

Docker Desktop – docker --version పనిచేస్తుందో ధృవీకరించండి.
VS Code Remote – Containers ఎక్స్‌టెన్షన్ (ID: ms-vscode-remote.remote-containers).

దశ 1 VS Codeలో రిపోను ఓపెన్ చేయండి

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

VS Code .devcontainer/ ను గుర్తించి ప్రాంప్ట్ చూపిస్తుంది.

దశ 2 కంటైనర్‌లో మళ్లీ ఓపెన్ చేయండి

“Reopen in Container” క్లిక్ చేయండి. Docker ఇమేజ్‌ను బిల్డ్ చేస్తుంది (మొదటి సారి సుమారు 3 నిమిషాలు).
టెర్మినల్ ప్రాంప్ట్ కనిపించినప్పుడు, మీరు కంటైనర్‌లో ఉన్నారు.

2. ఆప్షన్ C – Miniconda

Miniconda అనేది Conda, Python మరియు కొన్ని ప్యాకేజీలను ఇన్‌స్టాల్ చేయడానికి లైట్‌వెయిట్ ఇన్‌స్టాలర్.
Conda స్వయంగా ఒక ప్యాకేజ్ మేనేజర్, ఇది వివిధ Python వర్చువల్ ఎన్విరాన్‌మెంట్ల మరియు ప్యాకేజీల మధ్య సులభంగా సెటప్ చేయడానికి మరియు మారడానికి సహాయపడుతుంది. ఇది pip ద్వారా అందుబాటులో లేని ప్యాకేజీలను ఇన్‌స్టాల్ చేయడానికి కూడా ఉపయోగపడుతుంది.

దశ 0 Miniconda ఇన్‌స్టాల్ చేయండి

MiniConda ఇన్‌స్టాలేషన్ గైడ్ ను అనుసరించండి.

conda --version

దశ 1 వర్చువల్ ఎన్విరాన్‌మెంట్ సృష్టించండి

కొత్త ఎన్విరాన్‌మెంట్ ఫైల్ (environment.yml) సృష్టించండి. మీరు Codespaces ఉపయోగిస్తుంటే, దీన్ని .devcontainer డైరెక్టరీలో సృష్టించండి, అంటే .devcontainer/environment.yml.

దశ 2 మీ ఎన్విరాన్‌మెంట్ ఫైల్‌ను పూరించండి

క్రింది స్నిపెట్‌ను మీ environment.yml లో జోడించండి

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

దశ 3 మీ Conda ఎన్విరాన్‌మెంట్ సృష్టించండి

కింది కమాండ్లను మీ కమాండ్ లైన్/టెర్మినల్‌లో నడపండి

conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer ఉప మార్గం కేవలం Codespace సెటప్‌లకు మాత్రమే వర్తిస్తుంది
conda activate ai4beg

ఏదైనా సమస్యలు ఎదురైతే Conda ఎన్విరాన్‌మెంట్స్ గైడ్ ను చూడండి.

2 ఆప్షన్ D – క్లాసిక్ Jupyter / Jupyter Lab (మీ బ్రౌజర్‌లో)

ఇది ఎవరికోసం?
క్లాసిక్ Jupyter ఇంటర్‌ఫేస్ ఇష్టపడేవారికి లేదా VS Code లేకుండా నోట్‌బుక్స్ నడపాలనుకునేవారికి.

దశ 1 Jupyter ఇన్‌స్టాల్ అయి ఉందో నిర్ధారించుకోండి

స్థానికంగా Jupyter ప్రారంభించడానికి, టెర్మినల్/కమాండ్ లైన్‌కు వెళ్లి, కోర్సు డైరెక్టరీకి నావిగేట్ చేసి, ఈ క్రింది కమాండ్ నడపండి:

jupyter notebook

లేదా

jupyterhub

ఇది Jupyter ఇన్స్టెన్స్‌ను ప్రారంభిస్తుంది మరియు యాక్సెస్ చేయడానికి URL కమాండ్ లైన్ విండోలో చూపబడుతుంది.

URL యాక్సెస్ చేసిన తర్వాత, మీరు కోర్సు అవుట్‌లైన్‌ను చూడగలుగుతారు మరియు ఏదైనా *.ipynb ఫైల్‌కు నావిగేట్ చేయవచ్చు. ఉదాహరణకు, 08-building-search-applications/python/oai-solution.ipynb.

3. మీ API కీలు జోడించండి

ఏదైనా రకమైన అప్లికేషన్ నిర్మిస్తున్నప్పుడు మీ API కీలు సురక్షితంగా ఉంచడం ముఖ్యం. మీ కోడ్‌లో ఏ API కీలు నేరుగా నిల్వ చేయకూడదు. ఆ వివరాలను పబ్లిక్ రిపోజిటరీలో కమిట్ చేస్తే భద్రతా సమస్యలు మరియు చెడ్డ వ్యక్తి ఉపయోగిస్తే అనవసర ఖర్చులు రావచ్చు.
Python కోసం .env ఫైల్ ఎలా సృష్టించాలో మరియు GITHUB_TOKEN ఎలా జోడించాలో స్టెప్-బై-స్టెప్ గైడ్ ఇక్కడ ఉంది:

  1. మీ ప్రాజెక్ట్ డైరెక్టరీకి వెళ్లండి: మీ టెర్మినల్ లేదా కమాండ్ ప్రాంప్ట్ ఓపెన్ చేసి, .env ఫైల్ సృష్టించాలనుకునే ప్రాజెక్ట్ రూట్ డైరెక్టరీకి వెళ్లండి.

    cd path/to/your/project

  2. .env ఫైల్ సృష్టించండి: మీ ఇష్టమైన టెక్స్ట్ ఎడిటర్ ఉపయోగించి .env అనే కొత్త ఫైల్ సృష్టించండి. మీరు కమాండ్ లైన్ ఉపయోగిస్తుంటే, touch (Unix-ఆధారిత సిస్టమ్స్) లేదా echo (Windows) ఉపయోగించవచ్చు:

    Unix-ఆధారిత సిస్టమ్స్:

    touch .env

    Windows:

    echo . > .env

  3. .env ఫైల్ ఎడిట్ చేయండి: .env ఫైల్‌ను టెక్స్ట్ ఎడిటర్ (ఉదా: VS Code, Notepad++, లేదా ఏదైనా ఎడిటర్) లో ఓపెన్ చేసి, క్రింది లైన్‌ను జోడించండి, your_github_token_here స్థానంలో మీ నిజమైన GitHub టోకెన్ పెట్టండి:

    GITHUB_TOKEN=your_github_token_here

  4. ఫైల్ సేవ్ చేయండి: మార్పులను సేవ్ చేసి టెక్స్ట్ ఎడిటర్‌ను మూసివేయండి.

  5. python-dotenv ఇన్‌స్టాల్ చేయండి: మీరు ఇప్పటికీ ఇన్‌స్టాల్ చేయకపోతే, .env ఫైల్ నుండి ఎన్విరాన్‌మెంట్ వేరియబుల్స్‌ను Python అప్లికేషన్‌లో లోడ్ చేయడానికి python-dotenv ప్యాకేజీని ఇన్‌స్టాల్ చేయాలి. మీరు దీన్ని pip ద్వారా ఇన్‌స్టాల్ చేయవచ్చు:

    pip install python-dotenv

  6. Python స్క్రిప్ట్‌లో ఎన్విరాన్‌మెంట్ వేరియబుల్స్‌ను లోడ్ చేయండి: మీ Python స్క్రిప్ట్‌లో, .env ఫైల్ నుండి ఎన్విరాన్‌మెంట్ వేరియబుల్స్‌ను లోడ్ చేయడానికి python-dotenv ప్యాకేజీని ఉపయోగించండి:

    from dotenv import load_dotenv
import os

# .env ఫైల్ నుండి పర్యావరణ చరాలు లోడ్ చేయండి
load_dotenv()

# GITHUB_TOKEN చరాన్ని యాక్సెస్ చేయండి
github_token = os.getenv("GITHUB_TOKEN")

print(github_token)

అంతే! మీరు విజయవంతంగా .env ఫైల్ సృష్టించి, మీ GitHub టోకెన్ జోడించి, దాన్ని Python అప్లికేషన్‌లో లోడ్ చేసుకున్నారు.

🔐 .env ను ఎప్పుడూ కమిట్ చేయకండి—ఇది ఇప్పటికే .gitignore లో ఉంది.
పూర్తి ప్రొవైడర్ సూచనలు providers.md లో ఉన్నాయి.

4. తర్వాత ఏమి?

నేను చేయాలనుకుంటున్నది… వెళ్లండి…
పాఠం 1 ప్రారంభించండి 01-introduction-to-genai
LLM ప్రొవైడర్ సెటప్ చేయండి providers.md
ఇతర అభ్యాసకులను కలుసుకోండి మా Discordలో చేరండి

5. సమస్య పరిష్కారం

లక్షణం పరిష్కారం
python not found Pythonని PATHలో జోడించండి లేదా ఇన్‌స్టాల్ తర్వాత టెర్మినల్ మళ్లీ ఓపెన్ చేయండి
pip cannot build wheels (Windows) pip install --upgrade pip setuptools wheel తర్వాత మళ్లీ ప్రయత్నించండి.
ModuleNotFoundError: dotenv pip install -r requirements.txt నడపండి (ఎన్వి ఇన్‌స్టాల్ కాలేదు).
Docker build fails No space left Docker Desktop ▸ Settings ▸ Resources → డిస్క్ సైజ్ పెంచండి.
VS Code keeps prompting to reopen మీరు రెండు ఆప్షన్లు యాక్టివ్ అయి ఉండవచ్చు; ఒకదాన్ని ఎంచుకోండి (venv లేదా container)
OpenAI 401 / 429 errors OPENAI_API_KEY విలువను తనిఖీ చేయండి / రిక్వెస్ట్ రేట్ లిమిట్స్.
Conda ఉపయోగంలో లోపాలు Microsoft AI లైబ్రరీలను conda install -c microsoft azure-ai-ml ద్వారా ఇన్‌స్టాల్ చేయండి

అస్పష్టత:
ఈ పత్రాన్ని AI అనువాద సేవ Co-op Translator ఉపయోగించి అనువదించబడింది. మేము ఖచ్చితత్వానికి ప్రయత్నించినప్పటికీ, ఆటోమేటెడ్ అనువాదాల్లో పొరపాట్లు లేదా తప్పిదాలు ఉండవచ్చు. అసలు పత్రం దాని స్వదేశీ భాషలోనే అధికారిక మూలంగా పరిగణించాలి. ముఖ్యమైన సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదం చేయించుకోవడం మంచిది. ఈ అనువాదం వలన కలిగే ఏవైనా అపార్థాలు లేదా తప్పుదారుల బాధ్యత మేము తీసుకోము.