Skip to content

02-setup-local.md

Latest commit

 

History

History
223 lines (149 loc) · 18.2 KB

02-setup-local.md

File metadata and controls

223 lines (149 loc) · 18.2 KB

உள்ளூர் அமைப்பு 🖥️

உங்கள் சொந்த லேப்டாப்பில் எல்லாவற்றையும் இயக்க விரும்பினால் இந்த வழிகாட்டியை பயன்படுத்தவும்.
உங்களுக்கு இரண்டு வழிகள் உள்ளன: (A) இயல்புநிலை Python + virtual-env அல்லது (B) VS Code Dev Container உடன் Docker.
எது எளிதாக தோன்றினாலும் தேர்வு செய்யவும்—இரண்டும் ஒரே பாடங்களுக்குத் திருப்புகிறது.

1. முன் தேவைகள்

கருவி பதிப்பு / குறிப்புகள்
Python 3.10 + (https://python.org இலிருந்து பெறவும்)
Git சமீபத்தியது (Xcode / Windows க்கான Git / Linux தொகுப்பு மேலாளர் உடன் வருகிறது)
VS Code விருப்பமானது ஆனால் பரிந்துரைக்கப்படுகிறது https://code.visualstudio.com
Docker Desktop விருப்பம் B க்காக மட்டுமே. இலவச நிறுவல்: https://docs.docker.com/desktop/

💡 குறிப்பு – டெர்மினலில் கருவிகளை சரிபார்க்க:
python --version, git --version, docker --version, code --version

2. விருப்பம் A – இயல்புநிலை Python (மிகவும் விரைவானது)

படி 1 இந்த ரெப்போவை கிளோன் செய்யவும்

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

படி 2 ஒரு virtual environment உருவாக்கி செயல்படுத்தவும்

python -m venv .venv          # ஒன்றை உருவாக்கவும்
source .venv/bin/activate     # macOS / லினக்ஸ்
.\.venv\Scripts\activate      # விண்டோஸ் பவர் ஷெல்

✅ இப்போது ப்ராம்ப்ட் (.venv) உடன் துவங்க வேண்டும்—அதாவது நீங்கள் அந்த சூழலில் உள்ளீர்கள்.

படி 3 சார்புகளை நிறுவவும்

pip install -r requirements.txt

API விசைகள் பற்றிய பகுதியைத் தொடரவும்

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

இந்த ரெப்போ மற்றும் பாடத்திட்டத்தை Python3, .NET, Node.js மற்றும் Java மேம்பாட்டை ஆதரிக்கும் ஒரு பொதுவான ரன்டைம் கொண்ட மேம்பாட்டு கன்டெய்னர் உடன் அமைத்துள்ளோம். தொடர்புடைய கட்டமைப்பு இந்த ரெப்போவின் ரூட் .devcontainer/ கோப்புறையில் உள்ள devcontainer.json கோப்பில் வரையறுக்கப்பட்டுள்ளது.

ஏன் இதை தேர்வு செய்ய வேண்டும்? Codespaces உடன் ஒரே சூழல்; சார்பு மாற்றம் இல்லை.

படி 0 கூடுதல் பொருட்களை நிறுவவும்

Docker Desktop – docker --version வேலை செய்கிறது என்பதை உறுதிப்படுத்தவும்.
VS Code Remote – Containers விரிவாக்கம் (ID: ms-vscode-remote.remote-containers).

படி 1 ரெப்போவை VS Code இல் திறக்கவும்

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

VS Code .devcontainer/ ஐ கண்டறிந்து ஒரு ப்ராம்ப்டை காட்டும்.

படி 2 கன்டெய்னரில் மீண்டும் திறக்கவும்

“Reopen in Container” கிளிக் செய்யவும். Docker படம் கட்டும் (முதல் முறையில் சுமார் 3 நிமிடங்கள்).
டெர்மினல் ப்ராம்ப்ட் தோன்றும் போது, நீங்கள் கன்டெய்னரில் உள்ளீர்கள்.

2. விருப்பம் C – Miniconda

Miniconda என்பது Conda, Python மற்றும் சில தொகுப்புகளை நிறுவ ஒரு எளிய நிறுவி ஆகும்.
Conda என்பது ஒரு தொகுப்பு மேலாளர், இது வெவ்வேறு Python virtual environments மற்றும் தொகுப்புகளுக்கு இடையே அமைக்கவும் மாறவும் எளிதாக்குகிறது. pip மூலம் கிடைக்காத தொகுப்புகளை நிறுவுவதற்கும் இது உதவுகிறது.

படி 0 Miniconda ஐ நிறுவவும்

MiniConda நிறுவல் வழிகாட்டியை பின்பற்றவும்.

conda --version

படி 1 ஒரு virtual environment உருவாக்கவும்

புதிய சூழல் கோப்பை (environment.yml) உருவாக்கவும். Codespaces பயன்படுத்தினால், .devcontainer அடைவுக்குள், அதாவது .devcontainer/environment.yml இல் உருவாக்கவும்.

படி 2 உங்கள் சூழல் கோப்பை நிரப்பவும்

environment.yml இல் கீழ்காணும் துண்டை சேர்க்கவும்

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

படி 3 உங்கள் Conda சூழலை உருவாக்கவும்

கீழ்காணும் கட்டளைகளை உங்கள் கட்டளை வரி/டெர்மினலில் இயக்கவும்

conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer துணை பாதை Codespace அமைப்புகளுக்கு மட்டுமே பொருந்தும்
conda activate ai4beg

சிக்கல்கள் ஏற்பட்டால் Conda சூழல் வழிகாட்டி ஐ பார்க்கவும்.

2 விருப்பம் D – பாரம்பரிய Jupyter / Jupyter Lab (உங்கள் உலாவியில்)

இது யாருக்காக?
பாரம்பரிய Jupyter இடைமுகத்தை விரும்புவோர் அல்லது VS Code இல்லாமல் நோட்புக்குகளை இயக்க விரும்புவோர்.

படி 1 Jupyter நிறுவப்பட்டுள்ளதா என உறுதிப்படுத்தவும்

உங்கள் கணினியில் Jupyter ஐ துவங்க, டெர்மினல்/கட்டளை வரிக்கு சென்று பாடத்திட்ட அடைவுக்கு செல்லவும், பின்னர் இயக்கவும்:

jupyter notebook

அல்லது

jupyterhub

இது Jupyter ஐ துவக்கி, அணுக URL கட்டளை வரி சாளரத்தில் காட்டப்படும்.

URL ஐ அணுகியவுடன், பாடத்திட்ட அமைப்பை காணலாம் மற்றும் எந்த *.ipynb கோப்பையும் திறக்கலாம். உதாரணமாக, 08-building-search-applications/python/oai-solution.ipynb.

3. உங்கள் API விசைகளைச் சேர்க்கவும்

எந்தவொரு பயன்பாட்டையும் உருவாக்கும் போது உங்கள் API விசைகளை பாதுகாப்பாக வைத்திருப்பது முக்கியம். API விசைகளை நேரடியாக உங்கள் குறியீட்டில் சேமிக்க வேண்டாம். அவற்றை பொதுவான ரெப்போவில் கமிட் செய்தால் பாதுகாப்பு பிரச்சனைகள் மற்றும் தவறான நபரால் பயன்படுத்தப்பட்டால் தேவையற்ற செலவுகள் ஏற்படலாம்.
Python க்கான .env கோப்பை உருவாக்கி GITHUB_TOKEN ஐச் சேர்க்கும் படி படி வழிகாட்டி இங்கே:

  1. உங்கள் திட்ட அடைவுக்கு செல்லவும்: உங்கள் டெர்மினல் அல்லது கட்டளை வரியை திறந்து .env கோப்பை உருவாக்க விரும்பும் திட்டத்தின் ரூட் அடைவுக்கு செல்லவும்.

    cd path/to/your/project

  2. .env கோப்பை உருவாக்கவும்: உங்கள் விருப்பமான உரை தொகுப்பியில் .env என்ற புதிய கோப்பை உருவாக்கவும். கட்டளை வரியில் இருந்தால், Unix அடிப்படையிலான அமைப்புகளில் touch அல்லது Windows இல் echo பயன்படுத்தலாம்:

    Unix அடிப்படையிலான அமைப்புகள்:

    touch .env

    Windows:

    echo . > .env

  3. .env கோப்பை திருத்தவும்: .env கோப்பை VS Code, Notepad++ அல்லது வேறு எந்த தொகுப்பியிலும் திறந்து, கீழ்காணும் வரியை சேர்க்கவும், your_github_token_here என்பதை உங்கள் உண்மையான GitHub டோக்கனுடன் மாற்றவும்:

    GITHUB_TOKEN=your_github_token_here

  4. கோப்பை சேமித்து மூடவும்: மாற்றங்களை சேமித்து உரை தொகுப்பியை மூடவும்.

  5. python-dotenv ஐ நிறுவவும்: .env கோப்பிலிருந்து சூழல் மாறிலிகளை உங்கள் Python பயன்பாட்டில் ஏற்ற python-dotenv தொகுப்பை நிறுவ வேண்டும். pip மூலம் நிறுவலாம்:

    pip install python-dotenv

  6. Python ஸ்கிரிப்டில் சூழல் மாறிலிகளை ஏற்றவும்: உங்கள் Python ஸ்கிரிப்டில் .env கோப்பிலிருந்து சூழல் மாறிலிகளை ஏற்ற python-dotenv தொகுப்பைப் பயன்படுத்தவும்:

    from dotenv import load_dotenv
import os

# .env கோப்பிலிருந்து சூழல் மாறிலிகளை ஏற்றவும்
load_dotenv()

# GITHUB_TOKEN மாறியை அணுகவும்
github_token = os.getenv("GITHUB_TOKEN")

print(github_token)

இதுவே! நீங்கள் வெற்றிகரமாக .env கோப்பை உருவாக்கி, உங்கள் GitHub டோக்கனைச் சேர்த்து, அதை Python பயன்பாட்டில் ஏற்றியுள்ளீர்கள்.

🔐 .env ஐ ஒருபோதும் கமிட் செய்யாதீர்கள்—இது ஏற்கனவே .gitignore இல் உள்ளது.
முழு வழங்குநர் வழிகாட்டிகள் providers.md இல் உள்ளன.

4. அடுத்தது என்ன?

நான் செய்ய விரும்புவது… செல்ல…
பாடம் 1 துவங்கவும் 01-introduction-to-genai
ஒரு LLM வழங்குநரை அமைக்கவும் providers.md
மற்ற கற்றலாளர்களை சந்திக்கவும் எங்கள் Discord இல் சேரவும்

5. சிக்கல் தீர்வு

அறிகுறி சரி செய்யும் வழி
python not found Python ஐ PATH இல் சேர்க்கவும் அல்லது நிறுவிய பிறகு டெர்மினலை மீண்டும் திறக்கவும்
pip cannot build wheels (Windows) pip install --upgrade pip setuptools wheel பிறகு மீண்டும் முயற்சி செய்யவும்.
ModuleNotFoundError: dotenv pip install -r requirements.txt இயக்கவும் (சூழல் நிறுவப்படவில்லை).
Docker build தோல்வி No space left Docker Desktop ▸ Settings ▸ Resources → டிஸ்க் அளவை அதிகரிக்கவும்.
VS Code மீண்டும் திறக்கும்படி கேட்கிறது இரு விருப்பங்களும் செயல்பாட்டில் இருக்கலாம்; ஒன்றை தேர்வு செய்யவும் (venv அல்லது container)
OpenAI 401 / 429 பிழைகள் OPENAI_API_KEY மதிப்பை சரிபார்க்கவும் / கோரிக்கை வீத வரம்புகளை கவனிக்கவும்.
Conda பயன்படுத்தும் போது பிழைகள் Microsoft AI நூலகங்களை conda install -c microsoft azure-ai-ml மூலம் நிறுவவும்

குறிப்பு:
இந்த ஆவணம் AI மொழிபெயர்ப்பு சேவை Co-op Translator மூலம் மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் துல்லியத்திற்காக முயற்சித்தாலும், தானாக செய்யப்பட்ட மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறுகள் இருக்கக்கூடும் என்பதை தயவுசெய்து கவனிக்கவும். அசல் ஆவணம் அதன் சொந்த மொழியில் அதிகாரப்பூர்வ மூலமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பை பரிந்துரைக்கிறோம். இந்த மொழிபெயர்ப்பின் பயன்பாட்டால் ஏற்படும் எந்த தவறான புரிதல்கள் அல்லது தவறான விளக்கங்களுக்கும் நாங்கள் பொறுப்பேற்கமாட்டோம்.