Skip to content

02-setup-local.md

Latest commit

 

History

History
223 lines (149 loc) · 19 KB

02-setup-local.md

File metadata and controls

223 lines (149 loc) · 19 KB

ലോക്കൽ സെറ്റപ്പ് 🖥️

നിങ്ങളുടെ സ്വന്തം ലാപ്‌ടോപ്പിൽ എല്ലാം ഓടിക്കാൻ ഇഷ്ടപ്പെടുന്നുവെങ്കിൽ ഈ ഗൈഡ് ഉപയോഗിക്കുക.
നിങ്ങൾക്ക് രണ്ട് മാർഗ്ഗങ്ങളുണ്ട്: (A) നേറ്റീവ് പൈത്തൺ + വെർച്വൽ-എൻവ് അല്ലെങ്കിൽ (B) ഡോക്കർ ഉപയോഗിച്ച് VS കോഡ് ഡെവ് കണ്ടെയ്‌നർ.
ഏതെങ്കിലും എളുപ്പമെന്ന് തോന്നുന്നത് തിരഞ്ഞെടുക്കുക—രണ്ടും ഒരേ പാഠങ്ങളിലേക്ക് നയിക്കുന്നു.

1. മുൻ‌അവശ്യങ്ങൾ

ഉപകരണം പതിപ്പ് / കുറിപ്പുകൾ
Python 3.10 + (https://python.org ൽ നിന്ന് ലഭിക്കും)
Git ഏറ്റവും പുതിയത് (Xcode / Git for Windows / Linux പാക്കേജ് മാനേജറുമായി ലഭിക്കും)
VS Code ഐച്ഛികം എന്നാൽ ശുപാർശ ചെയ്യുന്നു https://code.visualstudio.com
Docker Desktop ഓപ്ഷൻ B ന് മാത്രം. സൗജന്യ ഇൻസ്റ്റാൾ: https://docs.docker.com/desktop/

💡 ടിപ്പ് – ടർമിനലിൽ ഉപകരണങ്ങൾ പരിശോധിക്കുക:
python --version, git --version, docker --version, code --version

2. ഓപ്ഷൻ A – നേറ്റീവ് പൈത്തൺ (ഏറ്റവും വേഗം)

ഘട്ടം 1 ഈ റിപോ ക്ലോൺ ചെയ്യുക

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

ഘട്ടം 2 ഒരു വെർച്വൽ എൻവയോൺമെന്റ് സൃഷ്ടിച്ച് സജീവമാക്കുക

python -m venv .venv          # ഒന്ന് ഉണ്ടാക്കുക
source .venv/bin/activate     # മാക്‌ഓഎസ് / ലിനക്സ്
.\.venv\Scripts\activate      # വിൻഡോസ് പവർഷെൽ

✅ പ്രോംപ്റ്റ് ഇപ്പോൾ (.venv) എന്നതോടെ തുടങ്ങണം—അർത്ഥം നിങ്ങൾ എൻവയോൺമെന്റിനുള്ളിൽ ആണ്.

ഘട്ടം 3 ആശ്രിതങ്ങൾ ഇൻസ്റ്റാൾ ചെയ്യുക

pip install -r requirements.txt

API കീകൾ എന്ന സെക്ഷനിലേക്ക് കടക്കുക

2. ഓപ്ഷൻ B – VS കോഡ് ഡെവ് കണ്ടെയ്‌നർ (ഡോക്കർ)

ഈ റിപോസിറ്ററിയും കോഴ്സും ഡെവലപ്‌മെന്റ് കണ്ടെയ്‌നർ ഉപയോഗിച്ച് സജ്ജീകരിച്ചിരിക്കുന്നു, ഇത് Python3, .NET, Node.js, Java ഡെവലപ്‌മെന്റ് എന്നിവക്ക് പിന്തുണ നൽകുന്ന യൂണിവേഴ്സൽ റൺടൈം ഉണ്ട്. ബന്ധപ്പെട്ട കോൺഫിഗറേഷൻ ഈ റിപോസിറ്ററിയുടെ റൂട്ട് ലെവലിലുള്ള .devcontainer/ ഫോൾഡറിൽ ഉള്ള devcontainer.json ഫയലിൽ നിർവചിച്ചിരിക്കുന്നു.

എന്തുകൊണ്ട് ഇത് തിരഞ്ഞെടുക്കണം?
Codespaces-നോട് സമാനമായ പരിസ്ഥിതി; ഡിപ്പെൻഡൻസി ഡ്രിഫ്റ്റ് ഇല്ല.

ഘട്ടം 0 അധികങ്ങൾ ഇൻസ്റ്റാൾ ചെയ്യുക

Docker Desktop – docker --version പ്രവർത്തിക്കുന്നതായി സ്ഥിരീകരിക്കുക.
VS Code Remote – Containers എക്സ്റ്റൻഷൻ (ID: ms-vscode-remote.remote-containers).

ഘട്ടം 1 റിപോ VS കോഡിൽ തുറക്കുക

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

VS Code .devcontainer/ കണ്ടെത്തി പ്രോംപ്റ്റ് കാണിക്കും.

ഘട്ടം 2 കണ്ടെയ്‌നറിൽ വീണ്ടും തുറക്കുക

“Reopen in Container” ക്ലിക്ക് ചെയ്യുക. ഡോക്കർ ഇമേജ് നിർമ്മിക്കുന്നു (ആദ്യ തവണ ≈ 3 മിനിറ്റ്).
ടർമിനൽ പ്രോംപ്റ്റ് വന്നാൽ, നിങ്ങൾ കണ്ടെയ്‌നറിനുള്ളിൽ ആണ്.

2. ഓപ്ഷൻ C – മിനികോണ്ട

Miniconda Conda, Python, ചില പാക്കേജുകൾ ഇൻസ്റ്റാൾ ചെയ്യാൻ ലഘുവായ ഇൻസ്റ്റാളറാണ്.
Conda സ്വയം ഒരു പാക്കേജ് മാനേജറാണ്, ഇത് വ്യത്യസ്ത Python വെർച്വൽ എൻവയോൺമെന്റുകൾക്കും പാക്കേജുകൾക്കും സജ്ജമാക്കാനും മാറാനും എളുപ്പമാക്കുന്നു. pip വഴി ലഭ്യമല്ലാത്ത പാക്കേജുകൾ ഇൻസ്റ്റാൾ ചെയ്യാനും ഇത് സഹായിക്കുന്നു.

ഘട്ടം 0 മിനികോണ്ട ഇൻസ്റ്റാൾ ചെയ്യുക

MiniConda ഇൻസ്റ്റലേഷൻ ഗൈഡ് പിന്തുടരുക.

conda --version

ഘട്ടം 1 ഒരു വെർച്വൽ എൻവയോൺമെന്റ് സൃഷ്ടിക്കുക

പുതിയ എൻവയോൺമെന്റ് ഫയൽ (environment.yml) സൃഷ്ടിക്കുക. Codespaces ഉപയോഗിക്കുന്നുവെങ്കിൽ, ഇത് .devcontainer ഡയറക്ടറിയിൽ സൃഷ്ടിക്കുക, അതായത് .devcontainer/environment.yml.

ഘട്ടം 2 എൻവയോൺമെന്റ് ഫയൽ പൂരിപ്പിക്കുക

താഴെ കാണുന്ന സ്നിപ്പെറ്റ് നിങ്ങളുടെ environment.yml ൽ ചേർക്കുക

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

ഘട്ടം 3 നിങ്ങളുടെ Conda എൻവയോൺമെന്റ് സൃഷ്ടിക്കുക

താഴെ കാണുന്ന കമാൻഡുകൾ കമാൻഡ് ലൈൻ/ടർമിനലിൽ പ്രവർത്തിപ്പിക്കുക

conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer ഉപപാതം കോഡ്സ്പേസ് ക്രമീകരണങ്ങൾക്ക് മാത്രമേ ബാധകമായിരിക്കൂ
conda activate ai4beg

പ്രശ്നങ്ങൾ ഉണ്ടെങ്കിൽ Conda എൻവയോൺമെന്റുകൾ ഗൈഡ് കാണുക.

2 ഓപ്ഷൻ D – ക്ലാസിക് Jupyter / Jupyter Lab (ബ്രൗസറിൽ)

ഇത് ആര്ക്ക്?
ക്ലാസിക് Jupyter ഇന്റർഫേസ് ഇഷ്ടപ്പെടുന്നവർക്കോ VS കോഡ് ഇല്ലാതെ നോട്ട്‌ബുക്കുകൾ ഓടിക്കാൻ ആഗ്രഹിക്കുന്നവർക്കും.

ഘട്ടം 1 Jupyter ഇൻസ്റ്റാൾ ചെയ്തിട്ടുണ്ടെന്ന് ഉറപ്പാക്കുക

Jupyter ലോക്കലായി ആരംഭിക്കാൻ, ടർമിനലിൽ/കമാൻഡ് ലൈൻ-ൽ കോഴ്സ് ഡയറക്ടറിയിലേക്ക് പോയി പ്രവർത്തിപ്പിക്കുക:

jupyter notebook

അല്ലെങ്കിൽ

jupyterhub

ഇത് ഒരു Jupyter ഇൻസ്റ്റൻസ് ആരംഭിക്കും, അതിന്റെ URL കമാൻഡ് ലൈൻ വിൻഡോയിൽ കാണിക്കും.

URL ആക്സസ് ചെയ്താൽ, കോഴ്സ് ഔട്ട്‌ലൈൻ കാണുകയും ഏതെങ്കിലും *.ipynb ഫയലിലേക്ക് നാവിഗേറ്റ് ചെയ്യാനും കഴിയും. ഉദാഹരണത്തിന്, 08-building-search-applications/python/oai-solution.ipynb.

3. നിങ്ങളുടെ API കീകൾ ചേർക്കുക

ഏതെങ്കിലും തരത്തിലുള്ള അപ്ലിക്കേഷൻ നിർമ്മിക്കുമ്പോൾ നിങ്ങളുടെ API കീകൾ സുരക്ഷിതമായി സൂക്ഷിക്കുന്നത് വളരെ പ്രധാനമാണ്. API കീകൾ നേരിട്ട് നിങ്ങളുടെ കോഡിൽ സൂക്ഷിക്കരുതെന്ന് ഞങ്ങൾ ശുപാർശ ചെയ്യുന്നു. അവ പബ്ലിക് റിപോസിറ്ററിയിൽ കമ്മിറ്റ് ചെയ്താൽ സുരക്ഷാ പ്രശ്നങ്ങളും അനാവശ്യ ചെലവുകളും ഉണ്ടാകാം, പ്രത്യേകിച്ച് ദുഷ്ടനായി ഉപയോഗിച്ചാൽ.
Python-ന് .env ഫയൽ സൃഷ്ടിച്ച് GITHUB_TOKEN ചേർക്കാനുള്ള ഘട്ടം-ഘട്ടമായ ഗൈഡ് ഇവിടെ:

  1. നിങ്ങളുടെ പ്രോജക്ട് ഡയറക്ടറിയിലേക്ക് പോകുക: ടർമിനൽ അല്ലെങ്കിൽ കമാൻഡ് പ്രോംപ്റ്റ് തുറന്ന് .env ഫയൽ സൃഷ്ടിക്കാൻ ആഗ്രഹിക്കുന്ന പ്രോജക്ടിന്റെ റൂട്ട് ഡയറക്ടറിയിലേക്ക് പോകുക.

    cd path/to/your/project

  2. .env ഫയൽ സൃഷ്ടിക്കുക: ഇഷ്ടമുള്ള ടെക്സ്റ്റ് എഡിറ്റർ ഉപയോഗിച്ച് .env എന്ന പുതിയ ഫയൽ സൃഷ്ടിക്കുക. കമാൻഡ് ലൈൻ ഉപയോഗിക്കുന്നുവെങ്കിൽ, Unix-ബേസ് സിസ്റ്റങ്ങളിൽ touch അല്ലെങ്കിൽ Windows-ൽ echo ഉപയോഗിക്കാം:

    Unix-ബേസ് സിസ്റ്റങ്ങൾ:

    touch .env

    Windows:

    echo . > .env

  3. .env ഫയൽ എഡിറ്റ് ചെയ്യുക: .env ഫയൽ ഒരു ടെക്സ്റ്റ് എഡിറ്ററിൽ (ഉദാ: VS Code, Notepad++, അല്ലെങ്കിൽ മറ്റേതെങ്കിലും എഡിറ്റർ) തുറക്കുക. താഴെ കാണുന്ന വരി ചേർക്കുക, your_github_token_here നിങ്ങളുടെ യഥാർത്ഥ GitHub ടോക്കണുമായി മാറ്റി:

    GITHUB_TOKEN=your_github_token_here

  4. ഫയൽ സേവ് ചെയ്യുക: മാറ്റങ്ങൾ സേവ് ചെയ്ത് എഡിറ്റർ അടയ്ക്കുക.

  5. python-dotenv ഇൻസ്റ്റാൾ ചെയ്യുക: .env ഫയലിൽ നിന്നുള്ള എൻവയോൺമെന്റ് വേരിയബിളുകൾ Python അപ്ലിക്കേഷനിലേക്ക് ലോഡ് ചെയ്യാൻ python-dotenv പാക്കേജ് ഇൻസ്റ്റാൾ ചെയ്യേണ്ടതുണ്ട്. pip ഉപയോഗിച്ച് ഇൻസ്റ്റാൾ ചെയ്യാം:

    pip install python-dotenv

  6. Python സ്ക്രിപ്റ്റിൽ എൻവയോൺമെന്റ് വേരിയബിളുകൾ ലോഡ് ചെയ്യുക: Python സ്ക്രിപ്റ്റിൽ .env ഫയലിൽ നിന്നുള്ള വേരിയബിളുകൾ ലോഡ് ചെയ്യാൻ python-dotenv പാക്കേജ് ഉപയോഗിക്കുക:

    from dotenv import load_dotenv
import os

# .env ഫയലിൽ നിന്ന് പരിസ്ഥിതി ചാരങ്ങൾ ലോഡ് ചെയ്യുക
load_dotenv()

# GITHUB_TOKEN ചാരത്തെ ആക്‌സസ് ചെയ്യുക
github_token = os.getenv("GITHUB_TOKEN")

print(github_token)

ഇതുവരെ! നിങ്ങൾ വിജയകരമായി .env ഫയൽ സൃഷ്ടിച്ചു, GitHub ടോക്കൺ ചേർത്തു, Python അപ്ലിക്കേഷനിലേക്ക് ലോഡ് ചെയ്തു.

🔐 .env ഫയൽ ഒരിക്കലും കമ്മിറ്റ് ചെയ്യരുത്—ഇത് ഇതിനകം .gitignore-ൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്.
പൂർണ്ണ പ്രൊവൈഡർ നിർദ്ദേശങ്ങൾ providers.md ൽ ലഭ്യമാണ്.

4. ഇനി എന്ത്?

ഞാൻ ചെയ്യാൻ ആഗ്രഹിക്കുന്നു… പോകുക…
പാഠം 1 ആരംഭിക്കുക 01-introduction-to-genai
LLM പ്രൊവൈഡർ സജ്ജമാക്കുക providers.md
മറ്റ് പഠിതാക്കളെ കാണുക Join our Discord

5. പ്രശ്നപരിഹാരം

ലക്ഷണം പരിഹാരം
python not found Python PATH-ൽ ചേർക്കുക അല്ലെങ്കിൽ ഇൻസ്റ്റാൾ കഴിഞ്ഞ് ടർമിനൽ വീണ്ടും തുറക്കുക
pip വീലുകൾ നിർമ്മിക്കാൻ കഴിയുന്നില്ല (Windows) pip install --upgrade pip setuptools wheel പ്രവർത്തിപ്പിച്ച് വീണ്ടും ശ്രമിക്കുക.
ModuleNotFoundError: dotenv pip install -r requirements.txt പ്രവർത്തിപ്പിക്കുക (എൻവ് ഇൻസ്റ്റാൾ ചെയ്തിട്ടില്ല)
Docker build പരാജയപ്പെടുന്നു No space left Docker Desktop ▸ Settings ▸ Resources → ഡിസ്ക് വലുപ്പം വർദ്ധിപ്പിക്കുക.
VS Code വീണ്ടും തുറക്കാൻ പ്രോംപ്റ്റ് നൽകുന്നു നിങ്ങൾക്ക് രണ്ട് ഓപ്ഷനുകളും സജീവമാണ്; ഒന്ന് തിരഞ്ഞെടുക്കുക (venv അല്ലെങ്കിൽ കണ്ടെയ്‌നർ)
OpenAI 401 / 429 പിശകുകൾ OPENAI_API_KEY മൂല്യം പരിശോധിക്കുക / അഭ്യർത്ഥന നിരക്ക് പരിധികൾ പരിശോധിക്കുക.
Conda ഉപയോഗിച്ച് പിശകുകൾ Microsoft AI ലൈബ്രറികൾ ഇൻസ്റ്റാൾ ചെയ്യാൻ conda install -c microsoft azure-ai-ml പ്രവർത്തിപ്പിക്കുക

അസൂയാപത്രം:
ഈ രേഖ AI വിവർത്തന സേവനം Co-op Translator ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം കൃത്യതയ്ക്ക് ശ്രമിച്ചിട്ടുണ്ടെങ്കിലും, യന്ത്രം ചെയ്ത വിവർത്തനങ്ങളിൽ പിശകുകൾ അല്ലെങ്കിൽ തെറ്റുകൾ ഉണ്ടാകാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. അതിന്റെ മാതൃഭാഷയിലുള്ള യഥാർത്ഥ രേഖ അധികാരപരമായ ഉറവിടമായി കണക്കാക്കപ്പെടണം. നിർണായകമായ വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യപ്പെടുന്നു. ഈ വിവർത്തനം ഉപയോഗിക്കുന്നതിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കോ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.