Skip to content

02-setup-local.md

Latest commit

 

History

History
223 lines (149 loc) · 9.48 KB

02-setup-local.md

File metadata and controls

223 lines (149 loc) · 9.48 KB

Lokal installation 🖥️

Använd denna guide om du föredrar att köra allt på din egen laptop.
Du har två vägar: (A) native Python + virtual-env eller (B) VS Code Dev Container med Docker.
Välj det som känns enklast – båda leder till samma lektioner.

1. Förutsättningar

Verktyg Version / Noteringar
Python 3.10 + (hämta från https://python.org)
Git Senaste (följer med Xcode / Git för Windows / Linux paketchef)
VS Code Valfritt men rekommenderas https://code.visualstudio.com
Docker Desktop Endast för alternativ B. Gratis installation: https://docs.docker.com/desktop/

💡 Tips – Verifiera verktyg i terminal:
python --version, git --version, docker --version, code --version

2. Alternativ A – Native Python (snabbast)

Steg 1 Klona detta repo

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

Steg 2 Skapa & aktivera en virtuell miljö

python -m venv .venv          # skapa en
source .venv/bin/activate     # macOS / Linux
.\.venv\Scripts\activate      # Windows PowerShell

✅ Prompten bör nu börja med (.venv)—det betyder att du är inne i miljön.

Steg 3 Installera beroenden

pip install -r requirements.txt

Hoppa till Sektion 3 om API-nycklar

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

Vi har satt upp detta repository och kurs med en utvecklingscontainer som har en universell runtime som kan stödja Python3, .NET, Node.js och Java-utveckling. Den relaterade konfigurationen definieras i filen devcontainer.json som finns i mappen .devcontainer/ i roten av detta repository.

Varför välja detta?
Identisk miljö som Codespaces; ingen beroendedrift.

Steg 0 Installera tillägg

Docker Desktop – bekräfta att docker --version fungerar.
VS Code Remote – Containers extension (ID: ms-vscode-remote.remote-containers).

Steg 1 Öppna repot i VS Code

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

VS Code känner av .devcontainer/ och visar en prompt.

Steg 2 Öppna om i container

Klicka på “Reopen in Container”. Docker bygger bilden (≈ 3 min första gången).
När terminalprompten visas är du inne i containern.

2. Alternativ C – Miniconda

Miniconda är en lättviktsinstallerare för att installera Conda, Python samt några paket.
Conda är en pakethanterare som gör det enkelt att sätta upp och växla mellan olika Python virtuella miljöer och paket. Den är också användbar för att installera paket som inte finns via pip.

Steg 0 Installera Miniconda

Följ MiniConda installationsguide för att installera.

conda --version

Steg 1 Skapa en virtuell miljö

Skapa en ny miljöfil (environment.yml). Om du följer med i Codespaces, skapa denna i .devcontainer-katalogen, alltså .devcontainer/environment.yml.

Steg 2 Fyll i din miljöfil

Lägg till följande kodsnutt i din environment.yml

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

Steg 3 Skapa din Conda-miljö

Kör kommandona nedan i din kommandorad/terminal

conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer underkatalog gäller endast för Codespace-konfigurationer
conda activate ai4beg

Se Conda environments guide om du stöter på problem.

2 Alternativ D – Klassisk Jupyter / Jupyter Lab (i din webbläsare)

Vem är detta för?
Alla som älskar det klassiska Jupyter-gränssnittet eller vill köra notebooks utan VS Code.

Steg 1 Säkerställ att Jupyter är installerat

För att starta Jupyter lokalt, gå till terminalen/kommandoraden, navigera till kurskatalogen och kör:

jupyter notebook

eller

jupyterhub

Detta startar en Jupyter-instans och URL:en för att komma åt den visas i kommandoradsfönstret.

När du öppnar URL:en bör du se kursöversikten och kunna navigera till valfri *.ipynb-fil. Till exempel, 08-building-search-applications/python/oai-solution.ipynb.

3. Lägg till dina API-nycklar

Att hålla dina API-nycklar säkra är viktigt när du bygger någon typ av applikation. Vi rekommenderar att du inte lagrar några API-nycklar direkt i din kod. Att committa dessa detaljer till ett offentligt repository kan leda till säkerhetsproblem och även oönskade kostnader om de används av illasinnade aktörer.
Här är en steg-för-steg-guide för hur du skapar en .env-fil för Python och lägger till GITHUB_TOKEN:

  1. Navigera till din projektmapp: Öppna terminalen eller kommandoprompten och gå till din projekts rotmapp där du vill skapa .env-filen.

    cd path/to/your/project

  2. Skapa .env-filen: Använd din favorittextredigerare för att skapa en ny fil med namnet .env. Om du använder kommandoraden kan du använda touch (på Unix-baserade system) eller echo (på Windows):

    Unix-baserade system:

    touch .env

    Windows:

    echo . > .env

  3. Redigera .env-filen: Öppna .env-filen i en textredigerare (t.ex. VS Code, Notepad++ eller annan editor). Lägg till följande rad i filen och ersätt your_github_token_here med din faktiska GitHub-token:

    GITHUB_TOKEN=your_github_token_here

  4. Spara filen: Spara ändringarna och stäng textredigeraren.

  5. Installera python-dotenv: Om du inte redan gjort det behöver du installera paketet python-dotenv för att kunna läsa in miljövariabler från .env-filen i din Python-applikation. Du kan installera det med pip:

    pip install python-dotenv

  6. Läs in miljövariabler i ditt Python-skript: I ditt Python-skript, använd paketet python-dotenv för att läsa in miljövariablerna från .env-filen:

    from dotenv import load_dotenv
import os

# Ladda miljövariabler från .env-fil
load_dotenv()

# Åtkomst till GITHUB_TOKEN-variabeln
github_token = os.getenv("GITHUB_TOKEN")

print(github_token)

Klart! Du har nu skapat en .env-fil, lagt till din GitHub-token och läst in den i din Python-applikation.

🔐 Lämna aldrig in .env i git – den finns redan i .gitignore.
Fullständiga instruktioner från leverantörerna finns i providers.md.

4. Vad händer härnäst?

Jag vill… Gå till…
Starta Lektion 1 01-introduction-to-genai
Sätta upp en LLM-leverantör providers.md
Träffa andra deltagare Gå med i vår Discord

5. Felsökning

Symptom Lösning
python not found Lägg till Python i PATH eller öppna terminalen på nytt efter installation
pip kan inte bygga wheels (Windows) pip install --upgrade pip setuptools wheel och försök igen.
ModuleNotFoundError: dotenv Kör pip install -r requirements.txt (miljön installerades inte).
Docker build misslyckas No space left Docker Desktop ▸ Settings ▸ Resources → öka diskstorlek.
VS Code fortsätter fråga om att öppna om Du kan ha båda alternativen aktiva; välj ett (venv eller container)
OpenAI 401 / 429 fel Kontrollera värdet på OPENAI_API_KEY / begäranstak.
Fel vid användning av Conda Installera Microsoft AI-bibliotek med conda install -c microsoft azure-ai-ml

Ansvarsfriskrivning: Detta dokument har översatts med hjälp av AI-översättningstjänsten Co-op Translator. Även om vi strävar efter noggrannhet, vänligen observera att automatiska översättningar kan innehålla fel eller brister. Det ursprungliga dokumentet på dess modersmål bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för några missförstånd eller feltolkningar som uppstår till följd av användningen av denna översättning.