Pradžia su šiuo kursu

Labai džiaugiamės, kad pradedate šį kursą ir laukiame, ką įkvėpti sukursite naudodami generatyvųjį DI!

Kad jums sektųsi, šiame puslapyje aprašyti paruošimo žingsniai, techniniai reikalavimai ir pagalbos gavimo būdai, jei jos prireiktų.

Paruošimo žingsniai

Norėdami pradėti šį kursą, turite atlikti šiuos veiksmus.

1. Fork’inkite šį repozitorijų

Fork’inkite visą šį repozitorijų į savo GitHub paskyrą, kad galėtumėte keisti kodą ir atlikti užduotis. Taip pat galite pažymėti šį repozitorijų žvaigždute (🌟), kad lengviau jį ir susijusius repozitorijus rastumėte.

2. Sukurkite codespace

Kad išvengtumėte priklausomybių problemų paleidžiant kodą, rekomenduojame šį kursą vykdyti GitHub Codespaces aplinkoje.

Savo fork’e: Code -> Codespaces -> New on main

2.1 Pridėkite slaptą raktą

⚙️ Krumpliaračio piktograma -> Command Pallete -> Codespaces : Manage user secret -> Add a new secret.
Įrašykite OPENAI_API_KEY, įklijuokite savo raktą, išsaugokite.

3. Kas toliau?

Noriu…	Eiti į…
Pradėti 1 pamoką	`01-introduction-to-genai`
Dirbti neprisijungus	`setup-local.md`
Nustatyti LLM tiekėją	`providers.md`
Susipažinti su kitais	Prisijunkite prie mūsų Discord

Problemos ir sprendimai

Simptomas	Sprendimas
Konteinerio kūrimas užtruko > 10 min	Codespaces ➜ “Rebuild Container”
`python: command not found`	Terminalas neprisijungė; spauskite + ➜ bash
`401 Unauthorized` iš OpenAI	Neteisingas / pasibaigęs `OPENAI_API_KEY`
VS Code rodo “Dev container mounting…”	Atnaujinkite naršyklės kortelę—Codespaces kartais praranda ryšį
Trūksta Notebook kernelio	Notebook meniu ➜ Kernel ▸ Select Kernel ▸ Python 3

Unix pagrindu veikiančios sistemos:

touch .env

Windows:

echo . > .env

Redaguokite .env failą: Atidarykite .env failą tekstų redaktoriuje (pvz., VS Code, Notepad++ ar kitame). Pridėkite šią eilutę, pakeisdami your_github_token_here savo tikru GitHub token’u:
```
GITHUB_TOKEN=your_github_token_here
```
Išsaugokite failą: Išsaugokite pakeitimus ir uždarykite redaktorių.
Įdiekite python-dotenv: Jei dar neturite, įdiekite python-dotenv paketą, kad galėtumėte įkelti aplinkos kintamuosius iš .env failo į savo Python programą. Įdiegti galite su pip:
```
pip install python-dotenv
```

Įkelkite aplinkos kintamuosius savo Python skripte: Savo Python skripte naudokite python-dotenv paketą, kad įkeltumėte kintamuosius iš .env failo:

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)

Viskas! Sėkmingai sukūrėte .env failą, pridėjote savo GitHub token’ą ir įkėlėte jį į Python programą.

Kaip paleisti lokaliai savo kompiuteryje

Norėdami paleisti kodą savo kompiuteryje, turite turėti įdiegtą Python.

Norėdami naudoti repozitorijų, turite jį nusiklonuoti:

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

Kai viską atsisiųsite, galėsite pradėti!

Papildomi žingsniai

Miniconda diegimas

Miniconda – tai lengvas Conda, Python ir kelių paketų diegimo įrankis. Pati Conda yra paketų tvarkyklė, kuri leidžia lengvai kurti ir keisti skirtingas Python virtualias aplinkas ir paketus. Ji taip pat naudinga diegiant paketus, kurių nėra per pip.

Galite vadovautis MiniConda diegimo instrukcija.

Įdiegę Miniconda, turite nusiklonuoti repozitorijų (jei dar to nepadarėte).

Toliau reikia sukurti virtualią aplinką. Tai padaryti su Conda galite sukūrę naują aplinkos failą (environment.yml). Jei dirbate su Codespaces, sukurkite jį .devcontainer kataloge, t.y. .devcontainer/environment.yml.

Užpildykite savo aplinkos failą šiuo fragmentu:

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

Jei naudojant conda kyla klaidų, Microsoft AI bibliotekas galite įdiegti rankiniu būdu šia komanda terminale.

conda install -c microsoft azure-ai-ml

Aplinkos faile nurodytos reikalingos priklausomybės. <environment-name> – tai jūsų norimas Conda aplinkos pavadinimas, o <python-version> – Python versija, pvz., 3 yra naujausia pagrindinė Python versija.

Atlikę šiuos veiksmus, galite sukurti Conda aplinką paleisdami šias komandas komandinėje eilutėje/terminale

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

Jei kyla problemų, žiūrėkite Conda aplinkų vadovą.

Visual Studio Code naudojimas su Python plėtiniu

Rekomenduojame naudoti Visual Studio Code (VS Code) redaktorių su įdiegtu Python plėtiniu šiame kurse. Tai tik rekomendacija, o ne būtinas reikalavimas.

Pastaba: Atidarę kurso repozitorijų VS Code, galėsite projektą nustatyti konteineryje. Taip yra dėl specialaus .devcontainer katalogo kurso repozitoriuje. Apie tai daugiau vėliau.

Pastaba: Kai nusiklonuosite ir atidarysite katalogą VS Code, jis automatiškai pasiūlys įdiegti Python plėtinį.

Pastaba: Jei VS Code pasiūlys atidaryti repozitorijų konteineryje, atsisakykite, kad naudotumėte lokaliai įdiegtą Python versiją.

Jupyter naudojimas naršyklėje

Taip pat galite dirbti su projektu Jupyter aplinkoje tiesiai naršyklėje. Tiek klasikinis Jupyter, tiek Jupyter Hub siūlo patogią kūrimo aplinką su tokiomis funkcijomis kaip automatinis užbaigimas, kodo paryškinimas ir pan.

Norėdami paleisti Jupyter lokaliai, atidarykite terminalą/komandinę eilutę, nueikite į kurso katalogą ir vykdykite:

jupyter notebook

arba

jupyterhub

Tai paleis Jupyter ir komandinėje eilutėje parodys URL, kuriuo galėsite jį pasiekti.

Atsidarę tą URL, matysite kurso turinį ir galėsite naršyti po bet kurį *.ipynb failą. Pavyzdžiui, 08-building-search-applications/python/oai-solution.ipynb.

Paleidimas konteineryje

Alternatyva viską diegti savo kompiuteryje ar Codespace – naudoti konteinerį. Specialus .devcontainer aplankas kurso repozitoriuje leidžia VS Code nustatyti projektą konteineryje. Už Codespaces ribų tam reikės įdiegti Docker, ir tai reikalauja šiek tiek daugiau darbo, todėl šį būdą rekomenduojame tik turintiems patirties su konteineriais.

Vienas geriausių būdų apsaugoti savo API raktus naudojant GitHub Codespaces – naudoti Codespace Secrets. Daugiau apie tai sužinokite Codespaces slaptų duomenų valdymo vadove.

Pamokos ir techniniai reikalavimai

Kursą sudaro 6 teorinės ir 6 programavimo pamokos.

Programavimo pamokose naudojame Azure OpenAI Service. Norėdami paleisti šį kodą, turėsite turėti prieigą prie Azure OpenAI paslaugos ir API raktą. Prieigą galite gauti užpildę šią paraišką.

Kol jūsų paraiška bus nagrinėjama, kiekvienoje programavimo pamokoje taip pat yra README.md failas, kuriame galite peržiūrėti kodą ir rezultatus.

Azure OpenAI Service naudojimas pirmą kartą

Jei pirmą kartą dirbate su Azure OpenAI paslauga, sekite šį vadovą, kaip sukurti ir diegti Azure OpenAI Service resursą.

OpenAI API naudojimas pirmą kartą

Jei pirmą kartą dirbate su OpenAI API, sekite šį vadovą, kaip sukurti ir naudoti sąsają.

Susipažinkite su kitais mokiniais

Oficialiame AI Community Discord serveryje sukūrėme kanalus susipažinti su kitais mokiniais. Tai puiki proga užmegzti ryšius su kitais panašiai mąstančiais kūrėjais, studentais ar visais, norinčiais tobulėti generatyviojo DI srityje.

Projekto komanda taip pat bus šiame Discord serveryje ir padės mokiniams.

Prisidėkite

Šis kursas yra atviro kodo iniciatyva. Jei matote, ką galima patobulinti ar randate klaidų, sukurkite Pull Request arba užregistruokite GitHub issue.

Projekto komanda stebės visus indėlius. Prisidėjimas prie atviro kodo – puikus būdas kurti karjerą generatyviojo DI srityje.

Daugumai indėlių reikės sutikti su Contributor License Agreement (CLA), kuriame patvirtinate, kad turite teisę ir iš tikrųjų suteikiate mums teisę naudoti jūsų indėlį. Daugiau informacijos rasite CLA, Contributor License Agreement svetainėje.

Svarbu: verčiant tekstą šiame repozitoriuje, nenaudokite automatinio vertimo. Vertimus tikrins bendruomenė, tad savanoriaukite tik toms kalboms, kurias mokate gerai.

Kai pateiksite pull request, CLA-bot automatiškai nustatys, ar reikia pateikti CLA, ir atitinkamai pažymės PR (pvz., etikete, komentaru). Tiesiog sekite boto nurodymus. Tai reikės padaryti tik vieną kartą visuose mūsų CLA naudojančiuose repozitorijuose.

Šis projektas laikosi Microsoft Open Source Code of Conduct. Daugiau informacijos rasite Code of Conduct DUK arba rašykite Email opencode, jei turite klausimų ar pastabų.

Pradėkime!

Dabar, kai jau atlikote visus reikiamus šio kurso žingsnius, pradėkime nuo įvado į generatyvųjį dirbtinį intelektą ir didelius kalbos modelius (LLM).

Atsakomybės atsisakymas:
Šis dokumentas buvo išverstas naudojant dirbtinio intelekto vertimo paslaugą Co-op Translator. Nors siekiame tikslumo, prašome atkreipti dėmesį, kad automatiniai vertimai gali turėti klaidų ar netikslumų. Originalus dokumentas jo gimtąja kalba turėtų būti laikomas autoritetingu šaltiniu. Kritinei informacijai rekomenduojame profesionalų žmogaus vertimą. Mes neatsakome už nesusipratimus ar neteisingą interpretavimą, kilusį naudojantis šiuo vertimu.

FilesExpand file tree

README.md

Latest commit

History