Skip to content
Open
Show file tree
Hide file tree
Changes from all commits
Commits
File filter

Filter by extension

Filter by extension

Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
1 change: 1 addition & 0 deletions README.md
Original file line number Diff line number Diff line change
Expand Up @@ -9,6 +9,7 @@ This repo contains the content that's used to create the **[Hugging Face course]
| [English](https://huggingface.co/course/en/chapter1/1) | [`chapters/en`](https://github.com/huggingface/course/tree/main/chapters/en) | [@sgugger](https://github.com/sgugger), [@lewtun](https://github.com/lewtun), [@LysandreJik](https://github.com/LysandreJik), [@Rocketknight1](https://github.com/Rocketknight1), [@sashavor](https://github.com/sashavor), [@osanseviero](https://github.com/osanseviero), [@SaulLu](https://github.com/SaulLu), [@lvwerra](https://github.com/lvwerra) |
| [Bengali](https://huggingface.co/course/bn/chapter1/1) (WIP) | [`chapters/bn`](https://github.com/huggingface/course/tree/main/chapters/bn) | [@avishek-018](https://github.com/avishek-018), [@eNipu](https://github.com/eNipu) |
| [German](https://huggingface.co/course/de/chapter1/1) (WIP) | [`chapters/de`](https://github.com/huggingface/course/tree/main/chapters/de) | [@JesperDramsch](https://github.com/JesperDramsch), [@MarcusFra](https://github.com/MarcusFra), [@fabridamicelli](https://github.com/fabridamicelli) |
| [Greek](https://huggingface.co/course/el/chapter0/1) (WIP) | [`chapters/el`](https://github.com/huggingface/course/tree/main/chapters/el) | [@ctribuna](https://github.com/ctribuna) |
| [Spanish](https://huggingface.co/course/es/chapter1/1) (WIP) | [`chapters/es`](https://github.com/huggingface/course/tree/main/chapters/es) | [@camartinezbu](https://github.com/camartinezbu), [@munozariasjm](https://github.com/munozariasjm), [@fordaz](https://github.com/fordaz) |
| [Persian](https://huggingface.co/course/fa/chapter1/1) (WIP) | [`chapters/fa`](https://github.com/huggingface/course/tree/main/chapters/fa) | [@jowharshamshiri](https://github.com/jowharshamshiri), [@schoobani](https://github.com/schoobani) |
| [French](https://huggingface.co/course/fr/chapter1/1) | [`chapters/fr`](https://github.com/huggingface/course/tree/main/chapters/fr) | [@lbourdois](https://github.com/lbourdois), [@ChainYo](https://github.com/ChainYo), [@melaniedrevet](https://github.com/melaniedrevet), [@abdouaziz](https://github.com/abdouaziz) |
Expand Down
4 changes: 4 additions & 0 deletions chapters/el/_toctree.yml
Original file line number Diff line number Diff line change
@@ -0,0 +1,4 @@
- title: 0. Εγκατάσταση
sections:
- local: chapter0/1
title: Εισαγωγή
110 changes: 110 additions & 0 deletions chapters/el/chapter0/1.mdx
Original file line number Diff line number Diff line change
@@ -0,0 +1,110 @@
# Εισαγωγή[[introduction]]

Καλώς ήρθατε στο μάθημα του Hugging Face! Αυτή η εισαγωγή θα σας καθοδηγήσει στη ρύθμιση ενός λειτουργικού περιβάλλοντος εργασίας. Αν μόλις ξεκινάτε το μάθημα, σας προτείνουμε να ρίξετε πρώτα μια ματιά στο [Κεφάλαιο 1](/course/chapter1), και μετά να επιστρέψετε και να ρυθμίσετε το περιβάλλον σας ώστε να μπορέσετε να δοκιμάσετε τον κώδικα μόνοι σας.

Όλες οι βιβλιοθήκες που θα χρησιμοποιήσουμε σε αυτό το μάθημα είναι διαθέσιμες ως πακέτα Python, οπότε εδώ θα σας δείξουμε πώς να ρυθμίσετε ένα περιβάλλον Python και να εγκαταστήσετε τις συγκεκριμένες βιβλιοθήκες που θα χρειαστείτε.

Θα καλύψουμε δύο τρόπους για τη ρύθμιση του περιβάλλοντος εργασίας σας: μέσω ενός Colab notebook ή ενός εικονικού περιβάλλοντος Python (virtual environment). Διαλέξτε αυτόν που σας ταιριάζει καλύτερα. Για αρχάριους, συνιστούμε ανεπιφύλακτα να ξεκινήσετε με ένα Colab notebook.

Σημειώστε ότι δεν θα καλύψουμε το λειτουργικό σύστημα Windows. Αν εργάζεστε σε Windows, σας προτείνουμε να ακολουθήσετε το μάθημα χρησιμοποιώντας ένα Colab notebook. Αν χρησιμοποιείτε μια διανομή Linux ή macOS, μπορείτε να ακολουθήσετε οποιαδήποτε από τις δύο προσεγγίσεις που περιγράφονται εδώ.

Το μεγαλύτερο μέρος του μαθήματος βασίζεται στο ότι διαθέτετε λογαριασμό Hugging Face. Σας προτείνουμε να δημιουργήσετε έναν τώρα: [δημιουργία λογαριασμού](https://huggingface.co/join).

## Χρήση Google Colab notebook[[using-a-google-colab-notebook]]

Η χρήση ενός Colab notebook είναι η πιο απλή δυνατή ρύθμιση· ανοίξτε ένα notebook στον browser σας και ξεκινήστε αμέσως να γράφετε κώδικα!

Αν δεν είστε εξοικειωμένοι με το Colab, σας προτείνουμε να ξεκινήσετε ακολουθώντας την [εισαγωγή του](https://colab.research.google.com/notebooks/intro.ipynb). Το Colab σας επιτρέπει να χρησιμοποιείτε επιταχυντικό υλικό (hardware), όπως GPUs ή TPUs, και είναι δωρεάν για μικρότερους φόρτους εργασίας.

Μόλις νιώσετε άνετα να κινείστε στο περιβάλλον του Colab, δημιουργήστε ένα νέο notebook και ξεκινήστε με την εγκατάσταση:

<div class="flex justify-center">
<img src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter0/new_colab.png" alt="An empty colab notebook" width="80%"/>
</div>

Το επόμενο βήμα είναι να εγκαταστήσουμε τις βιβλιοθήκες που θα χρησιμοποιήσουμε σε αυτό το μάθημα. Για την εγκατάσταση θα χρησιμοποιήσουμε το `pip`, τον διαχειριστή πακέτων της Python. Στα notebooks, μπορείτε να εκτελέσετε εντολές συστήματος προσθέτοντας τον χαρακτήρα `!` μπροστά από αυτές, οπότε μπορείτε να εγκαταστήσετε τη βιβλιοθήκη 🤗 Transformers ως εξής:

```
!pip install transformers
```

Μπορείτε να βεβαιωθείτε ότι το πακέτο εγκαταστάθηκε σωστά εισάγοντάς το μέσα στο Python runtime σας:

```
import transformers
```

<div class="flex justify-center">
<img src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter0/install.gif" alt="A gif showing the result of the two commands above: installation and import" width="80%"/>
</div>

Με αυτόν τον τρόπο εγκαθίσταται μια πολύ ελαφριά έκδοση του 🤗 Transformers. Συγκεκριμένα, δεν εγκαθίσταται κανένα συγκεκριμένο πλαίσιο μηχανικής μάθησης (όπως το PyTorch ή το TensorFlow). Καθώς θα χρησιμοποιήσουμε πολλές διαφορετικές λειτουργίες της βιβλιοθήκης, σας προτείνουμε να εγκαταστήσετε την έκδοση ανάπτυξης (development version), η οποία περιλαμβάνει όλες τις απαραίτητες εξαρτήσεις για σχεδόν οποιαδήποτε περίπτωση χρήσης μπορείτε να φανταστείτε:

```
!pip install transformers[sentencepiece]
```

Αυτό θα πάρει λίγο χρόνο, αλλά μετά θα είστε έτοιμοι για το υπόλοιπο του μαθήματος!

## Χρήση εικονικού περιβάλλοντος Python[[using-a-python-virtual-environment]]

Αν προτιμάτε να χρησιμοποιήσετε ένα εικονικό περιβάλλον Python, το πρώτο βήμα είναι να εγκαταστήσετε την Python στο σύστημά σας. Σας προτείνουμε να ακολουθήσετε [αυτόν τον οδηγό](https://realpython.com/installing-python/) για να ξεκινήσετε.

Μόλις εγκαταστήσετε την Python, θα μπορείτε να εκτελείτε εντολές Python στο terminal σας. Μπορείτε να ξεκινήσετε εκτελώντας την παρακάτω εντολή ώστε να βεβαιωθείτε ότι έχει εγκατασταθεί σωστά πριν προχωρήσετε στα επόμενα βήματα: `python --version`. Αυτή η εντολή θα εκτυπώσει την έκδοση Python που είναι διαθέσιμη στο σύστημά σας.

Όταν εκτελείτε μια εντολή Python στο terminal σας, όπως `python --version`, θα πρέπει να θεωρείτε το πρόγραμμα που εκτελεί την εντολή σας ως την «κύρια» Python του συστήματος. Σας προτείνουμε να κρατάτε αυτήν την κύρια εγκατάσταση χωρίς κανένα πακέτο και να τη χρησιμοποιείτε για να δημιουργείτε ξεχωριστά περιβάλλοντα για κάθε εφαρμογή στην οποία εργάζεστε — με αυτόν τον τρόπο, κάθε εφαρμογή μπορεί να έχει τις δικές της εξαρτήσεις και πακέτα, και δεν θα χρειάζεται να ανησυχείτε για πιθανά προβλήματα συμβατότητας με άλλες εφαρμογές.

Στην Python αυτό γίνεται με τα [*εικονικά περιβάλλοντα*](https://docs.python.org/3/tutorial/venv.html), τα οποία είναι αυτοτελείς δομές καταλόγων που η καθεμία περιέχει μια εγκατάσταση Python με μια συγκεκριμένη έκδοση, μαζί με όλα τα πακέτα που χρειάζεται η εφαρμογή. Η δημιουργία ενός τέτοιου εικονικού περιβάλλοντος μπορεί να γίνει με διάφορα εργαλεία, αλλά εμείς θα χρησιμοποιήσουμε το επίσημο πακέτο της Python για αυτόν τον σκοπό, που ονομάζεται [`venv`](https://docs.python.org/3/library/venv.html#module-venv).

Πρώτα, δημιουργήστε τον κατάλογο μέσα στον οποίο θέλετε να ζει η εφαρμογή σας — για παράδειγμα, μπορεί να θέλετε να φτιάξετε έναν νέο κατάλογο με όνομα *transformers-course* στη ρίζα του home directory σας:

```
mkdir ~/transformers-course
cd ~/transformers-course
```

Μέσα από αυτόν τον κατάλογο, δημιουργήστε ένα εικονικό περιβάλλον χρησιμοποιώντας το module `venv` της Python:

```
python -m venv .env
```

Θα πρέπει τώρα να έχετε έναν κατάλογο με όνομα *.env* μέσα στον κατά τα άλλα κενό φάκελό σας:

```
ls -a
```

```out
. .. .env
```

Μπορείτε να μπαίνετε και να βγαίνετε από το εικονικό σας περιβάλλον με τα scripts `activate` και `deactivate`:

```
# Ενεργοποίηση του εικονικού περιβάλλοντος
source .env/bin/activate

# Απενεργοποίηση του εικονικού περιβάλλοντος
deactivate
```

Μπορείτε να βεβαιωθείτε ότι το περιβάλλον είναι ενεργοποιημένο εκτελώντας την εντολή `which python`: αν δείχνει στο εικονικό περιβάλλον, τότε το έχετε ενεργοποιήσει επιτυχώς!

```
which python
```

```out
/home/<user>/transformers-course/.env/bin/python
```

### Εγκατάσταση εξαρτήσεων[[installing-dependencies]]

Όπως και στην προηγούμενη ενότητα σχετικά με τη χρήση των instances Google Colab, τώρα θα χρειαστεί να εγκαταστήσετε τα πακέτα που απαιτούνται για να συνεχίσετε. Και πάλι, μπορείτε να εγκαταστήσετε την έκδοση ανάπτυξης του 🤗 Transformers χρησιμοποιώντας τον διαχειριστή πακέτων `pip`:

```
pip install "transformers[sentencepiece]"
```

Είστε πλέον έτοιμοι για τη συνέχεια!
Loading