how-to-run.md

کوڈ کو کیسے چلائیں

اس نصاب میں بہت سے قابل عمل مثالیں اور لیبز شامل ہیں جنہیں آپ چلانا چاہیں گے۔ ایسا کرنے کے لیے، آپ کو اس نصاب کے حصے کے طور پر فراہم کردہ Jupyter Notebooks میں Python کوڈ چلانے کی صلاحیت کی ضرورت ہے۔ کوڈ چلانے کے لیے آپ کے پاس کئی اختیارات ہیں:

اپنے کمپیوٹر پر مقامی طور پر چلائیں

اپنے کمپیوٹر پر کوڈ چلانے کے لیے Python کی تنصیب ضروری ہے۔ ایک تجویز ہے کہ miniconda انسٹال کریں - یہ ایک نسبتاً ہلکی پھلکی تنصیب ہے جو conda پیکیج مینیجر کو مختلف Python ورچوئل ماحول کے لیے سپورٹ کرتی ہے۔

miniconda انسٹال کرنے کے بعد، ریپوزٹری کلون کریں اور اس کورس کے لیے استعمال ہونے والا ورچوئل ماحول بنائیں:

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 ایکسٹینشن کے ساتھ Visual Studio Code کا استعمال

اس نصاب کو سب سے بہتر طریقے سے استعمال کرنے کے لیے اسے Visual Studio Code میں Python Extension کے ساتھ کھولیں۔

نوٹ: جب آپ ریپوزٹری کلون کریں اور VS Code میں ڈائریکٹری کھولیں، تو یہ خود بخود آپ کو Python ایکسٹینشنز انسٹال کرنے کی تجویز دے گا۔ آپ کو اوپر بیان کردہ طریقے سے miniconda بھی انسٹال کرنا ہوگا۔

نوٹ: اگر VS Code آپ کو ریپوزٹری کو کنٹینر میں دوبارہ کھولنے کی تجویز دیتا ہے، تو آپ کو لوکل Python انسٹالیشن استعمال کرنے کے لیے اسے مسترد کرنا چاہیے۔

براؤزر میں Jupyter کا استعمال

آپ اپنے کمپیوٹر میں براؤزر سے Jupyter ماحول بھی استعمال کر سکتے ہیں۔ کلاسیکل Jupyter اور JupyterHub دونوں آسان ترقیاتی ماحول فراہم کرتے ہیں جن میں آٹو کمپلیشن، کوڈ ہائلائٹنگ وغیرہ شامل ہیں۔

Jupyter کو مقامی طور پر شروع کرنے کے لیے، کورس کی ڈائریکٹری میں جائیں، اور درج ذیل کو چلائیں:

jupyter notebook

یا

jupyterhub

پھر آپ کسی بھی .ipynb فائل پر جا سکتے ہیں، انہیں کھول سکتے ہیں اور کام شروع کر سکتے ہیں۔

کنٹینر میں چلانا

Python کی تنصیب کا ایک متبادل طریقہ کوڈ کو کنٹینر میں چلانا ہے۔ ہمارا ریپوزٹری مخصوص .devcontainer فولڈر مہیا کرتا ہے جو ریپو کے لیے کنٹینر بنانے کی ہدایت دیتا ہے، VS Code آپشن دیتا ہے کہ کوڈ کو کنٹینر میں دوبارہ کھولیں۔ اس کے لیے Docker انسٹالیشن کی ضرورت ہوگی، اور یہ زیادہ پیچیدہ ہو سکتا ہے، لہٰذا ہم اسے زیادہ تجربہ کار صارفین کے لیے تجویز کرتے ہیں۔

کلاؤڈ میں چلانا

اگر آپ Python مقامی طور پر انسٹال نہیں کرنا چاہتے، اور آپ کے پاس کچھ کلاؤڈ وسائل تک رسائی ہے - تو کوڈ کو کلاؤڈ میں چلانا ایک اچھا متبادل ہوگا۔ آپ یہ چند طریقوں سے کر سکتے ہیں:

• GitHub Codespaces کا استعمال کرنا، جو GitHub پر آپ کے لیے بنایا گیا ایک ورچوئل ماحول ہے اور VS Code براؤزر انٹرفیس کے ذریعے قابل رسائی ہے۔ اگر آپ کے پاس Codespaces تک رسائی ہے، تو آپ آسانی سے ریپو میں Code بٹن پر کلک کریں، codespace شروع کریں، اور فوراً کام شروع کریں۔
• Binder کا استعمال کرنا۔ Binder کلاؤڈ میں مفت کمپیوٹنگ وسائل فراہم کرتا ہے تاکہ لوگ GitHub پر کچھ کوڈ آزما سکیں۔ فرنٹ پیج پر ایک بٹن ہے جو ریپوزٹری کو Binder میں کھولتا ہے - یہ آپ کو جلدی سے بائنڈر سائٹ پر لے جائے گا، جو ایک بنیادی کنٹینر کو تعمیر کرے گا اور آپ کے لیے Jupyter ویب انٹرفیس شروع کرے گا۔

نوٹ: غلط استعمال کو روکنے کے لیے، Binder کو کچھ ویب وسائل تک رسائی بلاک کی گئی ہے۔ اس سے کچھ کوڈ جو عوامی انٹرنیٹ سے ماڈلز یا ڈیٹا سیٹس حاصل کرتا ہے کام نہ کر سکے۔ آپ کو کچھ متبادل تلاش کرنے پڑ سکتے ہیں۔ نیز، Binder کے فراہم کردہ کمپیوٹنگ وسائل بنیادی نوعیت کے ہیں، لہٰذا ٹریننگ خاص طور پر پیچیدہ اسباق میں سست ہو گی۔

GPU کے ساتھ کلاؤڈ میں چلانا

اس نصاب کے کچھ بعد کے اسباق GPU سپورٹ سے بہت فائدہ اٹھائیں گے۔ مثلاً، ماڈل کی ٹریننگ بصورت دیگر بہت سست ہو سکتی ہے۔ چند اختیارات ہیں جو آپ اپنا سکتے ہیں، خاص طور پر اگر آپ کے پاس کلاؤڈ تک رسائی ہو، چاہے Azure for Students کے ذریعے، یا اپنے ادارے کے ذریعے:

• Data Science Virtual Machine بنائیں اور Jupyter کے ذریعے اس سے منسلک ہوں۔ آپ پھر ریپو کو براہ راست اس مشین پر کلون کر سکتے ہیں، اور سیکھنا شروع کر سکتے ہیں۔ NC-سیریز VMs کو GPU سپورٹ حاصل ہے۔

نوٹ: کچھ سبسکرپشنز، بشمول Azure for Students، باکس سے باہر GPU سپورٹ فراہم نہیں کرتے۔ آپ کو تکنیکی مدد کی درخواست کے ذریعے اضافی GPU کور طلب کرنے کی ضرورت پڑ سکتی ہے۔

• Azure Machine Learning Workspace بنائیں اور وہاں نوٹ بک فیچر استعمال کریں۔ یہ ویڈیو دکھاتی ہے کہ Azure ML نوٹ بک میں ریپو کو کیسے کلون کریں اور اسے استعمال کرنا شروع کریں۔

آپ Google Colab بھی استعمال کر سکتے ہیں، جو کچھ مفت GPU سپورٹ فراہم کرتا ہے، اور وہاں Jupyter Notebooks اپ لوڈ کر کے انہیں ایک ایک کر کے چلا سکتے ہیں۔

---

ڈس کلیمر: یہ دستاویز AI ترجمہ سروس Co-op Translator کے ذریعے ترجمہ کی گئی ہے۔ جبکہ ہم درستگی کے لیے کوشاں ہیں، براہ کرم اس بات سے آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا عدم درستیاں ہو سکتی ہیں۔ اصل دستاویز اپنے مادری زبان میں مستند ماخذ سمجھی جائے گی۔ حساس معلومات کے لیے پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کی ذمہ داری ہم قبول نہیں کرتے۔