how-to-run.md

कोड कसरी चलाउने

यस पाठ्यक्रममा धेरै चलाउन सकिने उदाहरणहरू र प्रयोगशालाहरू छन् जुन तपाईंले चलाउन चाहानुहुन्छ। यसलाई गर्नको लागि, तपाईंलाई यस पाठ्यक्रमको भागको रूपमा प्रदान गरिएको Jupyter नोटबुकहरूमा Python कोड चलाउने क्षमता आवश्यक छ। कोड चलाउन तपाईंसँग केही विकल्पहरू छन्:

आफ्नो कम्प्युटरमा स्थानिय रूपमा चलाउने

आफ्नो कम्प्युटरमा कोड चलाउनको लागि, Python स्थापना आवश्यक हुन्छ। एउटा सिफारिस miniconda स्थापना गर्नु हो - यो हल्का तौलको स्थापना हो जुन conda प्याकेज व्यवस्थापकलाई विभिन्न Python भर्चुअल वातावरणहरू को लागि समर्थन गर्दछ।

miniconda स्थापना गरेपछि, रिपोजिटरी क्लोन गर्नुहोस् र यस कोर्सको लागि प्रयोग गर्न भर्चुअल वातावरण सिर्जना गर्नुहोस्:

git clone http://github.com/microsoft/ai-for-beginners
cd ai-for-beginners
conda env create --name ai4beg --file .devcontainer/environment.yml
conda activate ai4beg

Python एक्सटेन्सन सहित Visual Studio Code को प्रयोग

यो पाठ्यक्रम सबैभन्दा राम्रोसँग Visual Studio Code मा Python एक्सटेन्सन सहित खोल्दा प्रयोग गरिन्छ।

सूचना: जब तपाईंले रिपोजिटरी क्लोन गरेर VS Code मा फोल्डर खोल्नुहुन्छ, यो तपाईंलाई स्वतः Python एक्सटेन्सनहरू स्थापना गर्न सुझाव दिनेछ। माथि वर्णन गरे अनुसार miniconda पनि स्थापना गर्नु पर्नेछ।

सूचना: यदि VS Code ले तपाईंलाई रिपोजिटरीलाई कन्टेनरमा पुनः खोल्न सुझाव दिन्छ भने, तपाईंले स्थानीय Python स्थापना प्रयोग गर्न यसलाई अस्वीकार गर्नुपर्छ।

ब्राउजरमा Jupyter प्रयोग गर्ने

तपाईं पनि आफ्नो कम्प्युटरको ब्राउजरबाट Jupyter वातावरण प्रयोग गर्न सक्नुहुन्छ। दुवै क्लासिक Jupyter र JupyterHub ले सहज विकास वातावरण प्रदान गर्दछ जसमा स्वचालित पूर्तता, कोड हाइलाइटिङ्ग आदि छन्।

Jupyter स्थानीय रूपमा सुरु गर्न, कोर्सको फोल्डरमा जानुहोस्, र निष्पादन गर्नुहोस्:

jupyter notebook

वा

jupyterhub

त्यहाँ तपाईं कुनै पनि .ipynb फाइलहरूमा जान सक्नुहुन्छ, तिनीहरू खोल्न र काम गर्न थाल्न सक्नुहुन्छ।

कन्टेनरमा चलाउने

Python स्थापना गर्ने अर्को विकल्प कन्टेनरमा कोड चलाउनु हो। हाम्रो रिपोजिटरीले एउटा विशेष .devcontainer फोल्डर उपलब्ध गराउँछ जसले यो रिपोको लागी कन्टेनर कसरी बनाउने भनेर निर्देशन दिन्छ, VS Code ले कोडलाई कन्टेनरमा पुनः खोल्ने अवसर दिन्छ। यसका लागि Docker स्थापना आवश्यक पर्छ, र यो बढी जटिल हुन्छ, त्यसैले हामी यसलाई अनुभवी प्रयोगकर्ताहरूलाई सिफारिस गर्दछौं।

क्लाउडमा चलाउने

यदि तपाईंले Python स्थानीय रूपमा स्थापना गर्न चाहनुहुन्न र केही क्लाउड स्रोतहरू पहुँचमा छ भने - क्लाउडमा कोड चलाउनु राम्रो विकल्प हो। यसका लागि धेरै उपायहरू छन्:

• GitHub Codespaces को प्रयोग गर्दै, जुन GitHub मा तपाईंको लागी सिर्जना गरिएको भर्चुअल वातावरण हो, VS Code ब्राउजर अन्तरफलकबाट पहुँचयोग्य। यदि तपाईंलाई Codespaces को पहुँच छ भने, तपाईं रिपोमा रहेको Code बटन क्लिक गरेर codespace सुरु गर्न सक्नुहुन्छ र तुरुन्तै चलाउन थाल्न सक्नुहुन्छ।
• Binder को प्रयोग गर्दै। Binder ले GitHub मा भएका कोडहरूको परीक्षण गर्नका लागि निःशुल्क क्लाउड कम्प्युटिङ स्रोतहरू प्रदान गर्दछ। मुख्य पृष्ठमा एउटा बटन छ जसले रिपो लाई Binder मा खोल्छ - यसले छिट्टै Binder साइटमा लगिन्छ, जुन अन्तर्निहित कन्टेनर बनाउँछ र तपाईंलाई सहज तरिकाले Jupyter वेब इन्टरफेस सुरु गर्दछ।

सूचना: दुरुपयोग रोक्न Binder ले केही वेब स्रोतहरूलाई रोक लगाएको छ। यसले केही कोडहरूलाई काम नगर्न सक्छ, जसले सार्वजनिक इन्टरनेटबाट मोडेलहरू र/वा डाटासेटहरू ल्याउँछ। तपाईंले केही कार्य सम्पादनका उपायहरू खोज्नुपर्ने हुन सक्छ। साथै, Binder द्वारा प्रदान गरिएको कम्प्युट स्रोतहरू सामान्य छन्, त्यसैले प्रशिक्षण बिस्तारै हुनेछ, विशेष गरी पछि, बढी जटिल पाठहरूमा।

GPU सहित क्लाउडमा चलाउने

यस पाठ्यक्रमका केही पछि पाठहरू GPU समर्थनले ठूलो फाइदा पुर्‍याउँछन्। मोडेल प्रशिक्षण, उदाहरणका लागि, अन्यथा धेरै ढिलो हुन सक्छ। केही विकल्पहरू छन्, विशेष गरी यदि तपाईंलाई Azure for Students वा तपाईंको संस्थान मार्फत क्लाउड पहुँच छ भने:

• Data Science Virtual Machine सिर्जना गर्नुहोस् र Jupyter मार्फत यसमा जडान गर्नुहोस्। त्यसपछि तपाईंले सिधै मेसिनमा रिपो क्लोन गरेर सिक्न सुरु गर्न सक्नुहुन्छ। NC-श्रृङ्खला VM हरूमा GPU समर्थन छ।

सूचना: केही सदस्यता योजना, जस्तै Azure for Students, प्रारम्भिक रूपमा GPU समर्थन प्रदान गर्दैन। तपाईंले थप GPU कोरहरूको लागि प्राविधिक समर्थन अनुरोध गर्नुपर्ने हुन सक्छ।

• Azure Machine Learning Workspace सिर्जना गर्नुहोस् र त्यहाँ नोटबुक सुविधा प्रयोग गर्नुहोस्। यस भिडियोले कसरी रिपोजिटरी Azure ML नोटबुकमा क्लोन गर्ने र प्रयोग सुरु गर्ने देखाउँछ।

तपाईं Google Colab पनि प्रयोग गर्न सक्नुहुन्छ, जसले केही निःशुल्क GPU समर्थन प्रदान गर्दछ, र त्यहाँ Jupyter नोटबुकहरू अपलोड गरेर एउटै एकल रूपमा चलाउन सक्नुहुन्छ।

---

अस्वीकरण: यो दस्तावेज़ AI अनुवाद सेवा Co-op Translator प्रयोग गरेर अनुवाद गरिएको हो। हामी सही हुन प्रयास गर्छौं, तर कृपया जानकार हुनुस् कि स्वचालित अनुवादमा त्रुटिहरू वा अशुद्धताहरू हुन सक्छन्। मूल दस्तावेज़ यसको मूल भाषामा आधिकारिक स्रोत मानिनुपर्छ। महत्वपूर्ण जानकारीका लागि व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न कुनै पनि गलत बुझाइ वा त्रुटिको लागि हामी जिम्मेवार छैनौं।