Skip to content

README.md

Latest commit

 

History

History
238 lines (150 loc) · 14.3 KB

README.md

File metadata and controls

238 lines (150 loc) · 14.3 KB

Rozpoczęcie kursu

Jesteśmy bardzo podekscytowani, że zaczynasz ten kurs i nie możemy się doczekać, aby zobaczyć, co zainspiruje Cię do stworzenia z Generative AI!

Aby zapewnić Ci sukces, na tej stronie znajdziesz kroki konfiguracji, wymagania techniczne oraz informacje, gdzie szukać pomocy w razie potrzeby.

Kroki konfiguracji

Aby rozpocząć kurs, musisz wykonać następujące kroki.

1. Zforkuj to repozytorium

Zforkuj całe repozytorium na swoje konto GitHub, aby móc zmieniać kod i realizować wyzwania. Możesz również dodać gwiazdkę (🌟) do tego repozytorium, aby łatwiej je znaleźć oraz powiązane repozytoria.

2. Utwórz Codespace

Aby uniknąć problemów z zależnościami podczas uruchamiania kodu, zalecamy korzystanie z GitHub Codespaces.

W swoim forku: Code -> Codespaces -> New on main

Okno dialogowe pokazujące przyciski do utworzenia Codespace

2.1 Dodaj sekret

  1. ⚙️ Ikona koła zębatego -> Command Palette -> Codespaces : Manage user secret -> Add a new secret.
  2. Nazwij OPENAI_API_KEY, wklej swój klucz, Zapisz.

3. Co dalej?

Chcę… Przejdź do…
Rozpocząć Lekcję 1 01-introduction-to-genai
Pracować offline setup-local.md
Skonfigurować dostawcę LLM providers.md
Poznać innych uczestników Dołącz do naszego Discorda

Rozwiązywanie problemów

Objaw Rozwiązanie
Budowa kontenera trwa > 10 minut Codespaces ➜ “Rebuild Container”
python: command not found Terminal nie został podłączony; kliknij + ➜ bash
401 Unauthorized od OpenAI Nieprawidłowy / wygasły OPENAI_API_KEY
VS Code pokazuje “Dev container mounting…” Odśwież kartę przeglądarki—Codespaces czasami traci połączenie
Brak kernela w notebooku Menu notebooka ➜ Kernel ▸ Select Kernel ▸ Python 3

Systemy Unix:

touch .env

Windows:

echo . > .env

  1. Edytuj plik .env: Otwórz plik .env w edytorze tekstu (np. VS Code, Notepad++ lub innym). Dodaj następującą linię do pliku, zastępując your_github_token_here swoim rzeczywistym tokenem GitHub:

    GITHUB_TOKEN=your_github_token_here

  2. Zapisz plik: Zapisz zmiany i zamknij edytor tekstu.

  3. Zainstaluj python-dotenv: Jeśli jeszcze tego nie zrobiłeś, musisz zainstalować pakiet python-dotenv, aby załadować zmienne środowiskowe z pliku .env do swojej aplikacji Python. Możesz go zainstalować za pomocą pip:

    pip install python-dotenv

  4. Załaduj zmienne środowiskowe w swoim skrypcie Python: W swoim skrypcie Python użyj pakietu python-dotenv, aby załadować zmienne środowiskowe z pliku .env:

    from dotenv import load_dotenv
import os

# Load environment variables from .env file
load_dotenv()

# Access the GITHUB_TOKEN variable
github_token = os.getenv("GITHUB_TOKEN")

print(github_token)

To wszystko! Udało Ci się utworzyć plik .env, dodać swój token GitHub i załadować go do swojej aplikacji Python.

Jak uruchomić lokalnie na swoim komputerze

Aby uruchomić kod lokalnie na swoim komputerze, musisz mieć zainstalowaną jakąś wersję Pythona.

Aby korzystać z repozytorium, musisz je sklonować:

git clone https://github.com/microsoft/generative-ai-for-beginners
cd generative-ai-for-beginners

Gdy wszystko będzie gotowe, możesz zacząć!

Opcjonalne kroki

Instalacja Miniconda

Miniconda to lekki instalator do instalacji Conda, Pythona oraz kilku pakietów. Conda to menedżer pakietów, który ułatwia konfigurację i przełączanie między różnymi wirtualnymi środowiskami Pythona i pakietami. Jest również przydatny do instalacji pakietów, które nie są dostępne przez pip.

Możesz skorzystać z przewodnika instalacji MiniConda, aby go skonfigurować.

Po zainstalowaniu Miniconda musisz sklonować repozytorium (jeśli jeszcze tego nie zrobiłeś).

Następnie musisz utworzyć wirtualne środowisko. Aby to zrobić za pomocą Conda, utwórz nowy plik środowiska (environment.yml). Jeśli korzystasz z Codespaces, utwórz go w katalogu .devcontainer, czyli .devcontainer/environment.yml.

Wypełnij plik środowiska poniższym fragmentem:

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

Jeśli napotkasz błędy podczas korzystania z Conda, możesz ręcznie zainstalować biblioteki Microsoft AI za pomocą następującego polecenia w terminalu.

conda install -c microsoft azure-ai-ml

Plik środowiska określa wymagane zależności. <environment-name> odnosi się do nazwy, której chcesz użyć dla swojego środowiska Conda, a <python-version> to wersja Pythona, której chcesz użyć, na przykład 3 to najnowsza główna wersja Pythona.

Po wykonaniu tych kroków możesz utworzyć swoje środowisko Conda, uruchamiając poniższe polecenia w wierszu poleceń/terminalu:

conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer sub path applies to only Codespace setups
conda activate ai4beg

Zapoznaj się z przewodnikiem dotyczącym środowisk Conda, jeśli napotkasz jakiekolwiek problemy.

Korzystanie z Visual Studio Code z rozszerzeniem wsparcia dla Pythona

Zalecamy korzystanie z edytora Visual Studio Code (VS Code) z zainstalowanym rozszerzeniem wsparcia dla Pythona podczas tego kursu. Jest to jednak bardziej zalecenie niż wymóg.

Uwaga: Otwierając repozytorium kursu w VS Code, masz możliwość skonfigurowania projektu w kontenerze. Jest to możliwe dzięki specjalnemu katalogowi .devcontainer znajdującemu się w repozytorium kursu. Więcej na ten temat później.

Uwaga: Po sklonowaniu i otwarciu katalogu w VS Code, automatycznie zasugeruje on instalację rozszerzenia wsparcia dla Pythona.

Uwaga: Jeśli VS Code zasugeruje ponowne otwarcie repozytorium w kontenerze, odrzuć tę propozycję, aby używać lokalnie zainstalowanej wersji Pythona.

Korzystanie z Jupyter w przeglądarce

Możesz również pracować nad projektem, korzystając ze środowiska Jupyter bezpośrednio w przeglądarce. Zarówno klasyczny Jupyter, jak i Jupyter Hub oferują przyjemne środowisko programistyczne z funkcjami takimi jak autouzupełnianie, podświetlanie kodu itp.

Aby uruchomić Jupyter lokalnie, przejdź do terminala/wiersza poleceń, przejdź do katalogu kursu i wykonaj:

jupyter notebook

lub

jupyterhub

To uruchomi instancję Jupyter, a URL do jej dostępu zostanie pokazany w oknie wiersza poleceń.

Po uzyskaniu dostępu do URL, powinieneś zobaczyć plan kursu i móc przejść do dowolnego pliku *.ipynb. Na przykład, 08-building-search-applications/python/oai-solution.ipynb.

Uruchamianie w kontenerze

Alternatywą dla konfiguracji wszystkiego na komputerze lub w Codespace jest użycie kontenera. Specjalny folder .devcontainer w repozytorium kursu umożliwia VS Code skonfigurowanie projektu w kontenerze. Poza Codespaces, wymaga to instalacji Dockera i, szczerze mówiąc, wiąże się z pewnym nakładem pracy, więc zalecamy to tylko osobom z doświadczeniem w pracy z kontenerami.

Jednym z najlepszych sposobów na zabezpieczenie kluczy API podczas korzystania z GitHub Codespaces jest użycie Codespace Secrets. Proszę zapoznać się z przewodnikiem Zarządzanie sekretami Codespaces, aby dowiedzieć się więcej na ten temat.

Lekcje i wymagania techniczne

Kurs składa się z 6 lekcji koncepcyjnych i 6 lekcji programistycznych.

W przypadku lekcji programistycznych korzystamy z usługi Azure OpenAI Service. Aby uruchomić ten kod, będziesz potrzebować dostępu do usługi Azure OpenAI oraz klucza API. Możesz ubiegać się o dostęp, wypełniając ten formularz.

Podczas oczekiwania na przetworzenie wniosku, każda lekcja programistyczna zawiera również plik README.md, w którym możesz zobaczyć kod i wyniki.

Korzystanie z usługi Azure OpenAI Service po raz pierwszy

Jeśli po raz pierwszy korzystasz z usługi Azure OpenAI, zapoznaj się z tym przewodnikiem, jak utworzyć i wdrożyć zasób usługi Azure OpenAI Service.

Korzystanie z OpenAI API po raz pierwszy

Jeśli po raz pierwszy korzystasz z OpenAI API, zapoznaj się z przewodnikiem, jak utworzyć i używać interfejsu.

Poznaj innych uczestników

Stworzyliśmy kanały na naszym oficjalnym serwerze Discord społeczności AI, aby umożliwić spotkania z innymi uczestnikami. To świetny sposób na nawiązanie kontaktów z innymi przedsiębiorcami, twórcami, studentami i wszystkimi, którzy chcą rozwijać się w Generative AI.

Dołącz do kanału Discord

Zespół projektowy również będzie obecny na tym serwerze Discord, aby pomóc uczestnikom.

Współtworzenie

Ten kurs jest inicjatywą open-source. Jeśli zauważysz obszary do poprawy lub problemy, utwórz Pull Request lub zgłoś problem na GitHub.

Zespół projektowy będzie śledził wszystkie wkłady. Współtworzenie open source to niesamowity sposób na rozwój kariery w Generative AI.

Większość wkładów wymaga od Ciebie zgody na Umowę Licencyjną Współtwórcy (CLA), która potwierdza, że masz prawo i faktycznie udzielasz nam prawa do korzystania z Twojego wkładu. Szczegóły znajdziesz na stronie Umowa Licencyjna Współtwórcy CLA.

Ważne: tłumacząc tekst w tym repozytorium, upewnij się, że nie korzystasz z tłumaczenia maszynowego. Zweryfikujemy tłumaczenia za pośrednictwem społeczności, więc prosimy o zgłaszanie się do tłumaczeń tylko w językach, w których jesteś biegły.

Gdy prześlesz pull request, bot CLA automatycznie określi, czy musisz dostarczyć CLA i odpowiednio oznaczy PR (np. etykietą, komentarzem). Wystarczy postępować zgodnie z instrukcjami podanymi przez bota. Będziesz musiał to zrobić tylko raz dla wszystkich repozytoriów korzystających z naszego CLA.

Ten projekt przyjął Kodeks postępowania Microsoft Open Source. Aby uzyskać więcej informacji, przeczytaj FAQ dotyczące Kodeksu Postępowania lub skontaktuj się z Email opencode, jeśli masz dodatkowe pytania lub uwagi.

Zaczynajmy!

Teraz, gdy ukończyłeś wymagane kroki, aby zakończyć ten kurs, zacznijmy od wprowadzenia do Generatywnej AI i LLM.

Zastrzeżenie:
Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Chociaż staramy się zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.