Skip to content

Latest commit

 

History

History
321 lines (261 loc) · 50.3 KB

File metadata and controls

321 lines (261 loc) · 50.3 KB

ഫി കുക്ക്ബുക്ക്: Microsoft-യുടെ Phi മോഡലുകളുമായുള്ള ഹാൻഡ്‌സോൺ ഉദാഹരണങ്ങൾ

GitHub Codespaces-ൽ സാമ്പിളുകൾ തുറന്ന് ഉപയോഗിക്കുക Dev Containers-ൽ തുറക്കുക

GitHub സംഭാവകർ GitHub പ്രശ്നങ്ങൾ GitHub പുൾ അഭ്യർത്ഥനകൾ PRs സ്വാഗതം ചെയ്യുന്നു

GitHub വാച്ചേഴ്സ് GitHub ഫോർക്കുകൾ GitHub സ്റ്റാർസ്

Microsoft Foundry Discord

Phi Microsoft വികസിപ്പിച്ച ഒരു ഓപ്പൺ സോഴ്‌സ് AI മോഡലുകളുടെ പരമ്പരയാണ്.

Phi നിലവിൽ വളരെ ശക്തവും ചെലവുകുറഞ്ഞതുമായ ചെറിയ ഭാഷാ മോഡലാണ് (SLM), മൾട്ടി-ഭാഷ, ബോധവത്കരണം, എഴുത്ത്/ചാറ്റ് üret generation, കോഡിംഗ്, ചിത്രം, ഓഡിയോ എന്നിവയടക്കമുള്ള വിവിധ പ്രയോഗങ്ങളിൽ മികച്ച പ്രകടനം കാഴ്ചവെക്കുന്നു.

നിങ്ങൾ Phi ക്ലൗഡിലും എഡ്ജ് ഉപകരണങ്ങളിലും മൊരിയ്ക്കാം, കൂടാതെ കുറഞ്ഞ കംപ്യൂട്ടിംഗ് ശേഷിയുള്ള ജനന AI അപേക്ഷകൾ आसानीയോടെ നിർമ്മിക്കാം.

ഈ ഘട്ടങ്ങൾ പിന്തുടർന്ന് ഈ സ്രോതസ്സുകൾ ഉപയോഗിച്ച് തുടക്കം കുറിക്കുക:

  1. റിപ്പോസിറ്ററി ഫോർക്കുചെയ്യുക: ക്ലിക്ക് ചെയ്യുക GitHub forks
  2. റിപ്പോസിറ്ററി ക്ലോൺ ചെയ്യുക: git clone https://github.com/microsoft/PhiCookBook.git
  3. Microsoft AI Discord കമ്മ്യൂണിറ്റിയിൽ ചേരുക, വിദഗ്ദ്ധരെയും സഹപ്രവർത്തകരെയും കാണുക

cover

🌐 മൾട്ടി-ഭാഷാ പിന്തുണ

GitHub Action വഴി പിന്തുണ (തത്സമയം & എല്ലായ്പ്പോഴും പുതുക്കപ്പെട്ടത്)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Khmer | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

സ്ഥലീയമായി ക്ലോൺ ചെയ്യാൻ ഇഷ്ടപ്പെടുന്നുണ്ടോ?

ഈ റിപോസിറ്ററിയിൽ 50-ലധികം ഭാഷാ പരിഭാഷകൾ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്, ഇത് ഡൗൺലോഡ് വലുപ്പം ഗണ്യമായി വർദ്ധിപ്പിക്കുന്നു. പരിഭാഷകൾ ഇല്ലാതെ ക്ലോൺ ചെയ്യാൻ sparse checkout ഉപയോഗിക്കുക:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/PhiCookBook.git
cd PhiCookBook
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/PhiCookBook.git
cd PhiCookBook
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

ഇത് കോഴ്‌സ് പൂര്‍ത്തിയാക്കാൻ ആവശ്യമായ എല്ലാ ഘടകങ്ങളും വേഗത്തിൽ ഡൗൺലോഡ് ചെയ്യാൻ സഹായിക്കും.

ഉള്ളടക്ക പട്ടിക

Phi മോഡലുകൾ ഉപയോഗിക്കൽ

Microsoft Foundry-യിൽ Phi

നിങ്ങളുടെ വ്യത്യസ്ത ഹാർഡ്വെയർ ഉപകരണങ്ങളിൽ Microsoft Phi എങ്ങനെ ഉപയോഗിക്കാമെന്ന്, എ2ഇ പരിഹാരങ്ങൾ എങ്ങനെ നിർമ്മിക്കാമെന്ന് നിങ്ങൾക്ക് പഠിക്കാം. Phi സ്വയം അനുഭവിക്കാനായി, മോഡലുകൾ ഉപയോഗിച്ച് കളിച്ചുകൊണ്ട് നിങ്ങളുടെ സ്ഥിതിഗതികൾക്കായി Phi കസ്റ്റമൈസ് ചെയ്യാൻ Microsoft Foundry Azure AI Model Catalog ഉപയോഗിക്കാമെന്ന് നിങ്ങൾക്ക് പഠിക്കാം. കൂടുതൽ അറിവിന് [Microsoft Foundry]-ന്റെ തുടക്കം / QuickStart കാണുക (/md/02.QuickStart/AzureAIFoundry_QuickStart.md).

പ്ലേഗ്രൗണ്ട്
ഓരോ മോഡലിനും പരീക്ഷിക്കാൻ സങ്കല്പിതമായൊരു Azure AI Playground ഉണ്ട്.

GitHub മോഡലുകളിൽ Phi

നിങ്ങളുടെ വിവിധ ഹാർഡ്വെയർ ഉപകരണങ്ങളിൽ Microsoft Phi എങ്ങനെ ഉപയോഗിക്കാമെന്ന്, എ2ഇ പരിഹാരങ്ങൾ എങ്ങനെ നിർമ്മിക്കാമെന്ന് നിങ്ങൾക്ക് പഠിക്കാം. Phi സ്വയം അനുഭവിക്കാനായി, മോഡൽ ഉപയോഗിച്ച് കളിച്ചുകൊണ്ട് നിങ്ങളുടെ സ്ഥിതിഗതികൾക്കായി Phi കസ്റ്റമൈസ് ചെയ്യാൻ GitHub Model Catalog ഉപയോഗിക്കാവുന്നതാണ്. കൂടുതൽ അറിവിന് [GitHub Model Catalog]-ന്റെ തുടക്കം / QuickStart കാണുക (/md/02.QuickStart/GitHubModel_QuickStart.md).

പ്ലേഗ്രൗണ്ട്
ഓരോ മോഡലിനും പരീക്ഷിക്കാൻ പ്രത്യേക പ്ലേഗ്രൗണ്ട് ഉണ്ട്.

Hugging Face-ൽ Phi

മോഡൽ Hugging Face ൽ ലഭ്യമാണ്.

പ്ലേഗ്രൗണ്ട്
Hugging Chat പ്ലേഗ്രൗണ്ട്

🎒 മറ്റ് കോഴ്‌സുകൾ

നമ്മുടെ ടീം മറ്റ് കോഴ്‌സുകളും ഒരുക്കുന്നു! പരിശോധിക്കുക:

LangChain

LangChain4j for Beginners
LangChain.js for Beginners
LangChain for Beginners

Azure / Edge / MCP / ഏജന്റുമാർ

AZD for Beginners
Edge AI for Beginners
MCP for Beginners
AI Agents for Beginners

ജനറേറ്റീവ് AI സീരീസ്

Generative AI for Beginners
Generative AI (.NET)
Generative AI (Java)
Generative AI (JavaScript)

കോർ ലേണിങ്

ML for Beginners
Data Science for Beginners
AI for Beginners
Cybersecurity for Beginners
Web Dev for Beginners
IoT for Beginners
XR Development for Beginners

കോപൈലറ്റ് സീരീസ്

Copilot for AI Paired Programming
Copilot for C#/.NET
Copilot Adventure

ഉത്തരവാദിത്വമുള്ള AI

Microsoft നമ്മുടെ ഉപഭോക്താക്കൾ AI ഉൽപ്പന്നങ്ങൾ ഉത്തരവാദിത്വത്തോടെ ഉപയോഗിക്കാൻ സഹായിക്കാനും, നമുക്ക് നിന്ന് പഠനങ്ങൾ പങ്കുവെക്കാനും, ട്രാൻസ്‌പറൻസി നോട്ടുകളും പ്രഭാവം വിലയിരുത്തലുകളും പോലുള്ള ഉപകരണങ്ങളിലൂടെ വിശ്വാസം അടങ്ങിയ പങ്കാളിത്തങ്ങൾ സൃഷ്ടിക്കാനും പ്രതിജ്ഞാബദ്ധമാണ്. ഈ പിന്തുണകൾ https://aka.ms/RAI എന്നത് കാണാവുന്നതാണ്.
Microsoft‍റെ ഉത്തരവാദിത്വ AI സമീപനം നീതിമാന്മാരാകൽ, വിശ്വാസ്യതയും സുരക്ഷയും, സ്വകാര്യതയും സുരക്ഷയും, ഉൾക്കൊള്ളൽ, സുതാര്യത, ഉത്തരവാദിത്വം തുടങ്ങിയ AI സ 원 ത്തുകളിലടിസ്ഥാനമാണ്.

ഈ ഉദാഹരണത്തിൽ ഉപയോഗിച്ച വലിയ പരിധിയിലെ സ്വാഭാവിക ഭാഷ, ചിത്രങ്ങൾ, ശബ്ദ മോഡലുകൾ അനീതി, വിശ്വാസ്യതകളില്ലായ്ന്ന് അല്ലെങ്കിൽ അപമാനകരമായി പെരുമാറാൻ സാധ്യതയുള്ളതിനാൽ കേടുപാടുകൾ ഉണ്ടാക്കും. ദയവായി അപകടങ്ങളും പരിമിതികളും അറിയാൻ Azure OpenAI സേവന ട്രാൻസ്‌പറൻസി നോട്ടും പരിശോധിക്കുക. ഈ അപകടങ്ങൾ കുറയ്ക്കാൻ ശിപാർസുചെയ്ത സമീപനം നിങ്ങളുടെ വാസ്തുവിദ്യയിൽ സുരക്ഷാ സംവിധാനം ഉൾപ്പെടുത്തുകയാണ്, ഇത് ഹാനികരമായ പെരുമാറ്റം കണ്ടെത്തിയും തടഞ്ഞു നിർത്തിയും കഴിയും. Azure AI Content Safety സ്വതന്ത്രമായ ഒറ്റ പാളി സംരക്ഷണം നൽകുന്നു, ആപ്ലിക്കേഷനുകളും സേവനങ്ങളിലും ഹാനികരമായ ഉപയോക്താവ് സൃഷ്ടിച്ചും AI സൃഷ്ടിച്ചും ഉള്ള ഉള്ളടക്കം കണ്ടെത്താൻ കഴിയും. Azure AI Content Safety ല് ടെക്സ്റ് ಮತ್ತು ഇമേജ് API-കൾ ഉൾക്കൊള്ളുന്നു, അവ ഹാനികരമായ ഉള്ളടക്കം കണ്ടെത്താൻ സഹായിക്കുന്നു. Microsoft Foundry-യിൽ, Content Safety സേവനം വിവിധ രൂപത്തിലുള്ള ഹാനികരമായ ഉള്ളടക്കം കണ്ടെത്തുന്നതിനുള്ള സാമ്പിൾ കോഡ് കാണാനും പരീക്ഷിക്കാനും സഹായിക്കുന്നു. താഴെ ഡോക്യുമെന്റേഷനിലുള്ള ക്വിക്ക്‌സ്റ്റാർട്ട് സേവനത്തിന് അഭ്യർത്ഥനകൾ പടിഞ്ഞിരിക്കുന്നു.

ആനുകൂല്യമായി പരിഗണിക്കേണ്ട മറ്റൊരു ഘടകം ആപ്ലിക്കേഷൻ സമഗ്ര പ്രകടനമാണ്. മൾട്ടി-മോഡൽ, മൾട്ടി-മോഡൽ ആപ്ലിക്കേഷനുകളുടെ സാഹചര്യത്തിൽ, പ്രകടനം എന്ന് അർത്ഥമാക്കുന്നത് നിങ്ങൾക്കും നിങ്ങളുടെ ഉപയോക്താക്കളും പ്രതീക്ഷിക്കുന്ന പോലെ സിസ്റ്റം പ്രവർത്തിക്കണമെന്നും, ഹാനികരമായ ഔട്ട്പുട്ടുകൾ സൃഷ്ടിക്കാതിരിക്കണമെന്നും ആണ്. നിങ്ങളുടെ ആപ്ലിക്കേഷന്റെ സമഗ്ര പ്രകടനം പ്രകടനവും ഗുണനിലവാരവും അപകടം സുരക്ഷാ വിവരങ്ങളും കുറിച്ച് സ്റ്റാൻഡേർഡ് വിലയിരുത്തലുകളിലൂടെ വിലയിരുത്തുന്നത് അത്യന്താപേക്ഷിതമാണ്. നിങ്ങൾക്ക് അതോടൊപ്പം കസ്റ്റം വിലയിരുത്തലുകൾ സൃഷ്ടിച്ചും അവലോകനം നടത്തിയും ചെയ്യാനുള്ള കഴിവുണ്ട്.

നിങ്ങളുടെ AI ആപ്ലിക്കേഷൻ വികസന പരിസ്ഥിതിയിൽ Azure AI Evaluation SDK ഉപയോഗിച്ച് നിങ്ങൾക്ക് വിലയിരുത്താം. ഒരു ടെസ്റ്റ് ഡാറ്റാസെറ്റ് അല്ലെങ്കിൽ ലക്ഷ്യം നൽകിയാൽ, നിങ്ങളുടെ ജനറേറ്റീവ് AI ആപ്ലിക്കേഷൻ ജനറേഷനുകൾ ഉൾപ്പെടുത്തിയിട്ടുള്ളവയോ നിങ്ങൾ തെരഞ്ഞെടുത്ത കസ്റ്റം വിലയിരുത്തലുകളോ ഉപയോഗിച്ച് കണക്ക് കൂട്ടി അളക്കപ്പെടും. നിങ്ങളുടെ സിസ്റ്റം വിലയിരുത്താൻ azure ai evaluation sdk തുടങ്ങി തുടങ്ങി വേണ്ടി, നിങ്ങൾക്ക് താഴെപ്പറയുന്ന ക്വിക്ക്‌സ്റ്റാർട്ട് ഗൈഡ് പിന്തുടരാം. ഒരു വിലയിരുത്തൽ റൺ പ്രവർത്തിപ്പിച്ചശേഷം, നിങ്ങൾക്ക് Microsoft Foundry-യിൽ ഫലങ്ങൾ ദൃശ്യമാക്കാം.

ട്രേഡ്മാർക്കുകൾ

ഈ പ്രോജക്ടിൽ പ്രോജക്ടുകൾ, ഉൽപ്പന്നങ്ങൾ, സേവനങ്ങൾ എന്നിവയുടെ ട്രേഡ്മാർക്കുകൾ അല്ലെങ്കിൽ ലോഗോകൾ ഉണ്ടാകാവുന്നതാണ്. മൈക്രോസോഫ്റ്റ് ട്രേഡ്മാർക്കുകൾ അല്ലെങ്കിൽ ലോഗോകൾ അനുമതിപ്‌തു ഉപയോഗിക്കുന്നത് Microsoft-ന്റെ ട്രേഡ്മാർക് & ബ്രാൻഡ് മാർഗനിർദ്ദേശങ്ങൾ അനുസരിച്ച് ആയിരിക്കണം. മൈക്രോസോഫ്റ്റ് ട്രേഡ്മാർക്കുകൾ അല്ലെങ്കിൽ ലോഗോകൾ ഉപയോഗം കൊണ്ടുള്ള തിരുത്തിയ പതിപ്പുകളിൽ ആശയം അല്ലെങ്കിൽ Microsoft-ന്റെ കായികത ഉറപ്പില്ലാതാക്കരുത്. മൂന്നാർക്കുള്ള ട്രേഡ്മാർക്കുകൾ അല്ലെങ്കിൽ ലോഗോകൾ ഉപയോഗിക്കുമ്പോൾ ആ തൃतीयരുടെ നയങ്ങൾ പ്രധാനം ചെയ്യും.

സഹായം നേടുക

AI ആപ്പുകൾ നിർമ്മിക്കുന്നതിൽ നിങ്ങൾ കുടുങ്ങുകയോ ചോദ്യങ്ങളുണ്ടെങ്കിലോ, ചേരുക:

Microsoft Foundry Discord

നിഗമനസമ്മതം നൽകാൻ അല്ലെങ്കിൽ പിഴവുകളുണ്ടെങ്കിൽ:

Microsoft Foundry Developer Forum


അസ്വീകാരം:
ഈ പ്രമാണം AI പരിഭാഷ സേവനമായ Co-op Translator ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം ശരിയായ വിവർത്തനത്തിനായി ശ്രമിക്കുമ്പോഴും, യന്ത്രം ചെയ്ത വിവർത്തനങ്ങളിൽ പിശകുകൾ അല്ലെങ്കിൽ തെറ്റായ വിവരങ്ങൾ ഉണ്ടാകാൻ സാധ്യതയുള്ളതിനാൽ ദയവായി ശ്രദ്ധിക്കുക. സ്വതന്ത്രമായ ഭാഷയിലുള്ള പ്രാഥമിക പ്രമാണം പ്രാമാണികമായ ഉറവിടമായി പരിഗണിക്കണം. നിർണായക വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശിപാർശ ചെയ്യപ്പെടുന്നു. ഈ വിവർത്തനം ഉപയോഗിക്കുന്നതിൽനിന്ന് വരുന്ന എന്തു തെറ്റിദ്ധാരണകളെയും കൃത്യമായ വ്യാഖ്യാനങ്ങളെയും കാരണം ഞങ്ങൾ ഉത്തരവാദിത്വം ഏറ്റെടുക്കുന്നില്ല.