Skip to content

README.md

Latest commit

 

History

History
226 lines (139 loc) · 12.7 KB

README.md

File metadata and controls

226 lines (139 loc) · 12.7 KB

Začetek s tem tečajem

Zelo smo navdušeni, da začnete ta tečaj in vidite, kaj vas bo navdihnilo za ustvarjanje z Generativno AI!

Da zagotovimo vaš uspeh, ta stran opisuje korake za nastavitev, tehnične zahteve in kje poiskati pomoč, če jo potrebujete.

Koraki za nastavitev

Za začetek tečaja morate opraviti naslednje korake.

1. Razvezi ta repozitorij

Razvezi celoten repozitorij na svoj GitHub račun, da boste lahko spreminjali kodo in reševali izzive. Prav tako lahko označite (🌟) ta repozitorij, da ga boste lažje našli skupaj s sorodnimi repozitoriji.

2. Ustvari codespace

Da se izognete težavam z odvisnostmi pri izvajanju kode, priporočamo, da tečaj izvajate v GitHub Codespaces.

To lahko ustvarite tako, da na svoji razvezi repozitorija izberete možnost Code in nato izberete Codespaces.

Dialog, ki prikazuje gumbe za ustvarjanje codespace

3. Shranjevanje vaših API ključev

Pomembno je, da so vaši API ključi varni in zaščiteni pri gradnji katere koli aplikacije. Priporočamo, da API ključev ne shranjujete neposredno v kodo. Če bi te podatke objavili v javnem repozitoriju, bi to lahko povzročilo varnostne težave in celo nezaželene stroške, če jih uporabi zlonamerna oseba.
Tukaj je korak za korakom vodič, kako ustvariti .env datoteko za Python in dodati GITHUB_TOKEN:

  1. Pojdite v mapo vašega projekta: Odprite terminal ali ukazno vrstico in se premaknite v korensko mapo projekta, kjer želite ustvariti .env datoteko.

    cd path/to/your/project

  2. Ustvarite .env datoteko: Uporabite svoj najljubši urejevalnik besedila za ustvarjanje nove datoteke z imenom .env. Če uporabljate ukazno vrstico, lahko uporabite touch (na Unix sistemih) ali echo (na Windows):

    Unix sistemi:

    touch .env

    Windows:

    echo . > .env

  3. Uredite .env datoteko: Odprite .env datoteko v urejevalniku (npr. VS Code, Notepad++ ali katerem koli drugem). Dodajte naslednjo vrstico, pri čemer your_github_token_here zamenjajte z vašim dejanskim GitHub žetonom:

    GITHUB_TOKEN=your_github_token_here

  4. Shrani datoteko: Shrani spremembe in zapri urejevalnik.

  5. Namestite python-dotenv: Če še niste, morate namestiti paket python-dotenv, da boste lahko naložili okoljske spremenljivke iz .env datoteke v vašo Python aplikacijo. Namestite ga lahko z pip:

    pip install python-dotenv

  6. Naložite okoljske spremenljivke v vaš Python skript: V vašem Python skriptu uporabite paket python-dotenv, da naložite okoljske spremenljivke iz .env datoteke:

    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 je to! Uspešno ste ustvarili .env datoteko, dodali vaš GitHub žeton in ga naložili v Python aplikacijo.

Kako zagnati lokalno na vašem računalniku

Za lokalno izvajanje kode na vašem računalniku morate imeti nameščeno neko različico Pythona.

Nato morate repozitorij klonirati:

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

Ko imate vse pripravljeno, lahko začnete!

Izbirni koraki

Namestitev Miniconda

Miniconda je lahek namestitveni program za namestitev Conda, Pythona in nekaj paketov.
Conda je upravljalnik paketov, ki olajša nastavitev in preklapljanje med različnimi Python virtualnimi okolji in paketi. Prav tako je uporaben za namestitev paketov, ki niso na voljo preko pip.

Sledite MiniConda vodiču za namestitev, da jo nastavite.

Ko imate Minicondo nameščeno, morate klonirati repozitorij (če tega še niste storili).

Nato morate ustvariti virtualno okolje. Za to z Condo ustvarite novo datoteko okolja (environment.yml). Če sledite navodilom v Codespaces, jo ustvarite v mapi .devcontainer, torej .devcontainer/environment.yml.

V datoteko okolja vnesite spodnjo kodo:

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

Če naletite na napake pri uporabi conde, lahko ročno namestite Microsoft AI knjižnice z naslednjim ukazom v terminalu.

conda install -c microsoft azure-ai-ml

Datoteka okolja določa potrebne odvisnosti. <environment-name> je ime, ki ga želite uporabiti za vaše Conda okolje, <python-version> pa različica Pythona, ki jo želite uporabiti, na primer 3 za najnovejšo glavno različico.

Ko je to pripravljeno, lahko ustvarite Conda okolje z izvajanjem spodnjih ukazov v ukazni vrstici/terminalu:

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

Če naletite na težave, si oglejte Conda vodič za upravljanje okolij.

Uporaba Visual Studio Code z razširitvijo za Python

Priporočamo uporabo urejevalnika Visual Studio Code (VS Code) z nameščeno razširitvijo za podporo Pythonu za ta tečaj. To je priporočilo, ne pa obvezna zahteva.

Opomba: Ko odprete repozitorij tečaja v VS Code, imate možnost nastaviti projekt znotraj kontejnerja. To omogoča posebna mapa .devcontainer v repozitoriju tečaja. Več o tem kasneje.

Opomba: Ko klonirate in odprete mapo v VS Code, vam bo samodejno predlagal namestitev razširitve za Python.

Opomba: Če vam VS Code predlaga ponovno odpiranje repozitorija v kontejnerju, to zahtevo zavrnite, če želite uporabljati lokalno nameščeno različico Pythona.

Uporaba Jupyterja v brskalniku

Projekt lahko urejate tudi v Jupyter okolju neposredno v brskalniku. Tako klasični Jupyter kot Jupyter Hub nudita prijetno razvojno okolje z funkcijami, kot so samodejno dokončanje, poudarjanje kode itd.

Za zagon Jupyterja lokalno odprite terminal/ukazno vrstico, pojdite v mapo tečaja in izvedite:

jupyter notebook

ali

jupyterhub

S tem se bo zagnal Jupyter in URL za dostop bo prikazan v ukazni vrstici.

Ko odprete URL, boste videli strukturo tečaja in lahko dostopali do katere koli *.ipynb datoteke, na primer 08-building-search-applications/python/oai-solution.ipynb.

Zagon v kontejnerju

Alternativa nastavitvi vsega na vašem računalniku ali Codespace je uporaba kontejnerja. Posebna mapa .devcontainer v repozitoriju tečaja omogoča VS Code, da nastavi projekt znotraj kontejnerja. Izven Codespaces to zahteva namestitev Dockerja in, iskreno, vključuje nekaj dela, zato to priporočamo le tistim z izkušnjami pri delu s kontejnerji.

Eden najboljših načinov za varno shranjevanje vaših API ključev pri uporabi GitHub Codespaces je uporaba Codespace Secrets. Za več informacij sledite vodiču za upravljanje skrivnosti v Codespaces.

Lekcije in tehnične zahteve

Tečaj vsebuje 6 konceptualnih lekcij in 6 programerskih lekcij.

Za programerske lekcije uporabljamo Azure OpenAI Service. Potrebovali boste dostop do Azure OpenAI storitve in API ključ za zagon kode. Dostop lahko zaprosite z izpolnitvijo te prijave.

Medtem ko čakate na obdelavo vaše prijave, vsaka programerska lekcija vsebuje tudi datoteko README.md, kjer si lahko ogledate kodo in rezultate.

Prvič uporabljate Azure OpenAI Service

Če prvič uporabljate Azure OpenAI storitev, sledite temu vodiču, kako ustvariti in namestiti Azure OpenAI Service vir.

Prvič uporabljate OpenAI API

Če prvič uporabljate OpenAI API, sledite vodiču, kako ustvariti in uporabljati vmesnik.

Spoznajte druge udeležence

Ustvarili smo kanale v našem uradnem AI Community Discord strežniku za spoznavanje drugih udeležencev. To je odličen način za mreženje z drugimi podjetniki, razvijalci, študenti in vsakim, ki želi napredovati v Generativni AI.

Pridruži se discord kanalu

Ekipa projekta bo prav tako na voljo na tem Discord strežniku, da pomaga udeležencem.

Prispevajte

Ta tečaj je odprtokodna pobuda. Če opazite možnosti za izboljšave ali težave, prosimo, ustvarite Pull Request ali prijavite GitHub issue.

Ekipa projekta bo spremljala vse prispevke. Prispevanje v odprto kodo je odličen način za razvoj kariere v Generativni AI.

Večina prispevkov zahteva, da se strinjate s Contributor License Agreement (CLA), s katerim izjavite, da imate pravico in dejansko podeljujete pravice za uporabo vašega prispevka. Za podrobnosti obiščite CLA, Contributor License Agreement spletno stran.

Pomembno: pri prevajanju besedila v tem repozitoriju ne uporabljajte strojnega prevajanja. Prevajanja bomo preverjali preko skupnosti, zato prosimo, da se prijavite za prevode samo v jezikih, v katerih ste vešči.

Ko oddate pull request, bo CLA-bot samodejno ugotovil, ali morate predložiti CLA, in ustrezno označil PR (npr. z oznako, komentarjem). Preprosto sledite navodilom bota. To boste morali storiti samo enkrat za vse repozitorije, ki uporabljajo naš CLA.

Ta projekt je sprejel Microsoft Open Source Code of Conduct. Za več informacij preberite Pogosta vprašanja o kodeksu ravnanja ali kontaktirajte Email opencode za dodatna vprašanja ali komentarje.

Začnimo

Zdaj, ko ste opravili potrebne korake za ta tečaj, začnimo z uvodom v Generativno AI in LLM-je.

Omejitev odgovornosti:
Ta dokument je bil preveden z uporabo AI prevajalske storitve Co-op Translator. Čeprav si prizadevamo za natančnost, vas opozarjamo, da avtomatizirani prevodi lahko vsebujejo napake ali netočnosti. Izvirni dokument v njegovem izvirnem jeziku velja za avtoritativni vir. Za ključne informacije priporočamo strokovni človeški prevod. Za morebitna nesporazume ali napačne interpretacije, ki izhajajo iz uporabe tega prevoda, ne odgovarjamo.