Skip to content

02-setup-local.md

Latest commit

 

History

History
223 lines (149 loc) · 9.41 KB

02-setup-local.md

File metadata and controls

223 lines (149 loc) · 9.41 KB

Lokal opsætning 🖥️

Brug denne guide, hvis du foretrækker at køre alt på din egen bærbare computer.
Du har to muligheder: (A) native Python + virtual-env eller (B) VS Code Dev Container med Docker.
Vælg det, der føles nemmest—begge fører til de samme lektioner.

1. Forudsætninger

Værktøj Version / Noter
Python 3.10 + (hent det fra https://python.org)
Git Seneste (medfølger Xcode / Git til Windows / Linux pakkehåndtering)
VS Code Valgfrit men anbefalet https://code.visualstudio.com
Docker Desktop Kun til Option B. Gratis installation: https://docs.docker.com/desktop/

💡 Tip – Tjek værktøjer i en terminal:
python --version, git --version, docker --version, code --version

2. Option A – Native Python (hurtigst)

Trin 1 Klon dette repo

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

Trin 2 Opret & aktiver et virtuelt miljø

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

✅ Prompten skulle nu starte med (.venv)—det betyder, at du er inde i miljøet.

Trin 3 Installer afhængigheder

pip install -r requirements.txt

Spring videre til Sektion 3 om API-nøgler

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

Vi har sat dette repository og kursus op med en udviklingscontainer, som har en Universal runtime, der kan understøtte Python3, .NET, Node.js og Java-udvikling. Den relaterede konfiguration er defineret i devcontainer.json-filen, som ligger i .devcontainer/-mappen i roden af dette repository.

Hvorfor vælge dette?
Identisk miljø som Codespaces; ingen afhængighedsdrift.

Trin 0 Installer ekstraudstyr

Docker Desktop – bekræft at docker --version virker.
VS Code Remote – Containers extension (ID: ms-vscode-remote.remote-containers).

Trin 1 Åbn repo i VS Code

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

VS Code registrerer .devcontainer/ og viser en prompt.

Trin 2 Genåbn i container

Klik på “Reopen in Container”. Docker bygger billedet (≈ 3 min første gang).
Når terminalprompten vises, er du inde i containeren.

2. Option C – Miniconda

Miniconda er en letvægtsinstaller til installation af Conda, Python samt nogle få pakker.
Conda er en pakkehåndtering, der gør det nemt at opsætte og skifte mellem forskellige Python virtuelle miljøer og pakker. Det er også nyttigt til at installere pakker, som ikke er tilgængelige via pip.

Trin 0 Installer Miniconda

Følg MiniConda installationsguiden for at sætte det op.

conda --version

Trin 1 Opret et virtuelt miljø

Opret en ny miljøfil (environment.yml). Hvis du følger med i Codespaces, opret denne i .devcontainer-mappen, altså .devcontainer/environment.yml.

Trin 2 Udfyld din miljøfil

Tilføj følgende uddrag til din environment.yml

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

Trin 3 Opret dit Conda-miljø

Kør kommandoerne nedenfor i din kommandolinje/terminal

conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer understi gælder kun for Codespace-opsætninger
conda activate ai4beg

Se Conda environments guide, hvis du støder på problemer.

2 Option D – Klassisk Jupyter / Jupyter Lab (i din browser)

Hvem er dette til?
Alle, der elsker det klassiske Jupyter-interface eller ønsker at køre notebooks uden VS Code.

Trin 1 Sørg for, at Jupyter er installeret

For at starte Jupyter lokalt, gå til terminalen/kommandolinjen, naviger til kursusmappen, og kør:

jupyter notebook

eller

jupyterhub

Dette starter en Jupyter-instans, og URL’en til at tilgå den vises i kommandolinjevinduet.

Når du tilgår URL’en, skulle du kunne se kursusoversigten og navigere til enhver *.ipynb-fil. For eksempel 08-building-search-applications/python/oai-solution.ipynb.

3. Tilføj dine API-nøgler

Det er vigtigt at holde dine API-nøgler sikre, når du bygger enhver form for applikation. Vi anbefaler ikke at gemme API-nøgler direkte i din kode. At committe disse oplysninger til et offentligt repository kan føre til sikkerhedsproblemer og endda uønskede omkostninger, hvis de bruges af en ondsindet aktør.
Her er en trin-for-trin guide til, hvordan du opretter en .env-fil til Python og tilføjer GITHUB_TOKEN:

  1. Naviger til din projektmappe: Åbn din terminal eller kommandoprompt og gå til roden af dit projekt, hvor du vil oprette .env-filen.

    cd path/to/your/project

  2. Opret .env-filen: Brug din foretrukne teksteditor til at oprette en ny fil med navnet .env. Hvis du bruger kommandolinjen, kan du bruge touch (på Unix-baserede systemer) eller echo (på Windows):

    Unix-baserede systemer:

    touch .env

    Windows:

    echo . > .env

  3. Rediger .env-filen: Åbn .env-filen i en teksteditor (f.eks. VS Code, Notepad++ eller en anden editor). Tilføj følgende linje til filen, og erstat your_github_token_here med din faktiske GitHub-token:

    GITHUB_TOKEN=your_github_token_here

  4. Gem filen: Gem ændringerne og luk teksteditoren.

  5. Installer python-dotenv: Hvis du ikke allerede har gjort det, skal du installere pakken python-dotenv for at kunne indlæse miljøvariabler fra .env-filen i din Python-applikation. Du kan installere den med pip:

    pip install python-dotenv

  6. Indlæs miljøvariabler i dit Python-script: Brug python-dotenv-pakken i dit Python-script til at indlæse miljøvariablerne fra .env-filen:

    from dotenv import load_dotenv
import os

# Indlæs miljøvariabler fra .env fil
load_dotenv()

# Få adgang til GITHUB_TOKEN variablen
github_token = os.getenv("GITHUB_TOKEN")

print(github_token)

Det var det! Du har nu oprettet en .env-fil, tilføjet din GitHub-token og indlæst den i din Python-applikation.

🔐 Commit aldrig .env—den er allerede i .gitignore.
Fuldstændige instruktioner fra leverandørerne findes i providers.md.

4. Hvad nu?

Jeg vil… Gå til…
Starte Lektion 1 01-introduction-to-genai
Opsætte en LLM-leverandør providers.md
Møde andre elever Deltag i vores Discord

5. Fejlfinding

Symptom Løsning
python not found Tilføj Python til PATH eller genåbn terminal efter installation
pip kan ikke bygge wheels (Windows) pip install --upgrade pip setuptools wheel og prøv igen.
ModuleNotFoundError: dotenv Kør pip install -r requirements.txt (miljøet var ikke installeret).
Docker build fejler No space left Docker Desktop ▸ Settings ▸ Resources → øg diskstørrelse.
VS Code bliver ved med at spørge om genåbning Du har muligvis begge muligheder aktive; vælg én (venv eller container)
OpenAI 401 / 429 fejl Tjek OPENAI_API_KEY værdi / anmodningsgrænser.
Fejl ved brug af Conda Installer Microsoft AI-biblioteker med conda install -c microsoft azure-ai-ml

Ansvarsfraskrivelse: Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten Co-op Translator. Selvom vi bestræber os på nøjagtighed, bedes du være opmærksom på, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det oprindelige dokument på dets modersmål bør betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi påtager os intet ansvar for misforståelser eller fejltolkninger, der opstår som følge af brugen af denne oversættelse.