Skip to content

Latest commit

 

History

History
220 lines (176 loc) · 32.2 KB

README.md

File metadata and controls

220 lines (176 loc) · 32.2 KB

Phi Cookbook: मायक्रोसॉफ्टच्या Phi मॉडेल्ससह प्रॅक्टिकल उदाहरणे

GitHub Codespaces मध्ये नमुने उघडा आणि वापरा
Dev Containers मध्ये उघडा

GitHub contributors
GitHub issues
GitHub pull-requests
PRs Welcome

GitHub watchers
GitHub forks
GitHub stars

Azure AI Community Discord

Phi हे मायक्रोसॉफ्टद्वारे विकसित केलेले एक ओपन सोर्स AI मॉडेल्सचे मालिकासंच आहे.

Phi हे सध्या सर्वात प्रभावी आणि खर्चिकदृष्ट्या फायदेशीर लहान भाषा मॉडेल (SLM) आहे, ज्यामध्ये बहुभाषिकता, तर्कशक्ती, मजकूर/चॅट निर्मिती, कोडिंग, प्रतिमा, ऑडिओ आणि इतर विविध गोष्टींसाठी उत्कृष्ट कामगिरी आहे.

Phi ला क्लाउड किंवा एज डिव्हाइसेसवर तैनात करता येते आणि मर्यादित संगणकीय क्षमतेसह जनरेटिव्ह AI अॅप्लिकेशन्स सहजपणे तयार करता येतात.

या संसाधनांचा वापर सुरू करण्यासाठी खालील पायऱ्या फॉलो करा:

  1. रेपॉझिटरी फोर्क करा: GitHub forks वर क्लिक करा
  2. रेपॉझिटरी क्लोन करा: git clone https://github.com/microsoft/PhiCookBook.git
  3. मायक्रोसॉफ्ट AI डिस्कॉर्ड कम्युनिटीमध्ये सामील व्हा आणि तज्ञ व इतर डेव्हलपर्सशी चर्चा करा

cover

विषय सूची

Phi मॉडेल्स वापरणे

Azure AI Foundry वर Phi

तुम्ही Microsoft Phi कसे वापरायचे आणि वेगवेगळ्या हार्डवेअर डिव्हाइसवर एंड-टू-एंड सोल्यूशन्स कसे तयार करायचे हे शिकू शकता. Phi स्वतः अनुभवण्यासाठी, मॉडेल्ससह प्रयोग करून आणि तुमच्या परिदृश्यांसाठी Phi सानुकूलित करून सुरू करा. Azure AI Foundry Azure AI Model Catalog मध्ये अधिक जाणून घ्या. Azure AI Foundry सह सुरुवात करण्यासाठी येथे पहा.

Playground
प्रत्येक मॉडेलसाठी त्याचे स्वतःचे प्लेग्राउंड आहे जेथे तुम्ही मॉडेलची चाचणी घेऊ शकता: Azure AI Playground.

GitHub Models वर Phi

तुम्ही Microsoft Phi कसे वापरायचे आणि वेगवेगळ्या हार्डवेअर डिव्हाइसवर एंड-टू-एंड सोल्यूशन्स कसे तयार करायचे हे शिकू शकता. Phi स्वतः अनुभवण्यासाठी, मॉडेलसह प्रयोग करून आणि तुमच्या परिदृश्यांसाठी Phi सानुकूलित करून सुरू करा. GitHub Model Catalog मध्ये अधिक जाणून घ्या. GitHub Model Catalog सह सुरुवात करण्यासाठी येथे पहा.

Playground
प्रत्येक मॉडेलसाठी मॉडेल तपासण्यासाठी स्वतंत्र प्लेग्राउंड आहे.

Hugging Face वरील Phi

तुम्ही मॉडेल Hugging Face वर देखील पाहू शकता.

प्लेग्राउंड
Hugging Chat प्लेग्राउंड

जबाबदार AI

Microsoft आपल्या ग्राहकांना AI उत्पादने जबाबदारीने वापरण्यास मदत करण्यासाठी वचनबद्ध आहे, आमचे अनुभव शेअर करणे, आणि पारदर्शकता नोट्स व प्रभाव मूल्यांकन यासारख्या साधनांद्वारे विश्वासावर आधारित भागीदारी तयार करणे. यापैकी अनेक साधने https://aka.ms/RAI येथे उपलब्ध आहेत.
Microsoft चा जबाबदार AI साठीचा दृष्टिकोन आमच्या AI तत्त्वांवर आधारित आहे: न्याय्यता, विश्वासार्हता आणि सुरक्षितता, गोपनीयता आणि सुरक्षा, समावेशकता, पारदर्शकता, आणि उत्तरदायित्व.

मोठ्या प्रमाणावर नैसर्गिक भाषा, प्रतिमा, आणि आवाज मॉडेल्स - जसे की या नमुन्यात वापरले गेले आहेत - ते कधी कधी अन्यायकारक, अविश्वसनीय किंवा आक्षेपार्ह वर्तन करू शकतात, ज्यामुळे हानी होऊ शकते. जोखीम आणि मर्यादांविषयी माहिती घेण्यासाठी कृपया Azure OpenAI सेवा पारदर्शकता नोट वाचा.

या जोखमींना कमी करण्यासाठी सुचवलेला दृष्टिकोन म्हणजे आपल्या आर्किटेक्चरमध्ये सुरक्षा प्रणाली समाविष्ट करणे, जी हानिकारक वर्तन शोधू व थांबवू शकते. Azure AI Content Safety एक स्वतंत्र संरक्षण स्तर पुरवते, जे वापरकर्त्यांनी तयार केलेल्या किंवा AI ने तयार केलेल्या हानिकारक सामग्रीला ओळखू शकते. Azure AI Content Safety मध्ये मजकूर व प्रतिमा API आहेत, जे हानिकारक सामग्री शोधण्याची क्षमता देतात. Azure AI Foundry च्या अंतर्गत, Content Safety सेवा तुम्हाला विविध प्रकारांमध्ये हानिकारक सामग्री शोधण्यासाठी नमुना कोड पाहण्याची, एक्सप्लोर करण्याची आणि प्रयत्न करण्याची परवानगी देते. खालील क्विकस्टार्ट दस्तऐवज तुम्हाला या सेवेसाठी विनंत्या करण्याच्या प्रक्रियेत मार्गदर्शन करतो.

दुसरा एक महत्त्वाचा पैलू म्हणजे एकूणच ऍप्लिकेशनचा कार्यक्षमतेचा विचार करणे. मल्टी-मोडल आणि मल्टी-मॉडेल ऍप्लिकेशन्ससाठी, कार्यक्षमता याचा अर्थ असा होतो की प्रणाली तुम्ही आणि तुमचे वापरकर्ते अपेक्षित करता तशी कार्य करते, ज्यामध्ये हानिकारक आउटपुट तयार न करणे याचाही समावेश आहे. तुमच्या ऍप्लिकेशनची एकूण कार्यक्षमता Performance and Quality आणि Risk and Safety मूल्यांकन साधनांद्वारे तपासणे महत्त्वाचे आहे. तुम्हाला कस्टम मूल्यांकन साधने तयार करण्याची आणि त्यांचे मूल्यांकन करण्याची क्षमता देखील आहे.

तुमच्या विकासाच्या वातावरणात Azure AI Evaluation SDK वापरून तुमच्या AI ऍप्लिकेशनचे मूल्यांकन करू शकता. चाचणी डेटासेट किंवा लक्ष्य दिल्यास, तुमच्या जनरेटिव्ह AI ऍप्लिकेशनच्या आउटपुटचे मोजमाप बिल्ट-इन किंवा तुमच्या पसंतीच्या कस्टम मूल्यांकन साधनांद्वारे केले जाते. Azure AI Evaluation SDK वापरून तुमच्या प्रणालीचे मूल्यांकन कसे करायचे हे जाणून घेण्यासाठी तुम्ही क्विकस्टार्ट मार्गदर्शिका फॉलो करू शकता. एकदा मूल्यांकन प्रक्रिया पूर्ण झाल्यावर, तुम्ही Azure AI Foundry मध्ये निकाल पाहू शकता.

ट्रेडमार्क्स

या प्रकल्पामध्ये प्रकल्प, उत्पादने, किंवा सेवांसाठीचे ट्रेडमार्क्स किंवा लोगो असू शकतात. Microsoft ट्रेडमार्क्स किंवा लोगोचा अधिकृत वापर Microsoft च्या ट्रेडमार्क व ब्रँड मार्गदर्शक पालन करण्याच्या अधीन आहे.
या प्रकल्पाच्या सुधारित आवृत्त्यांमध्ये Microsoft ट्रेडमार्क्स किंवा लोगोचा वापर गोंधळ निर्माण करू नये किंवा Microsoft च्या प्रायोजकत्वाचा संकेत देऊ नये. तृतीय-पक्ष ट्रेडमार्क्स किंवा लोगोचा कोणताही वापर त्या तृतीय-पक्षांच्या धोरणांच्या अधीन आहे.

अस्वीकरण:
हे दस्तऐवज मशीन-आधारित एआय भाषांतर सेवांचा वापर करून अनुवादित करण्यात आले आहे. आम्ही अचूकतेसाठी प्रयत्नशील असलो तरी कृपया लक्षात घ्या की स्वयंचलित अनुवादांमध्ये त्रुटी किंवा अचूकतेचा अभाव असू शकतो. मूळ भाषेतील मूळ दस्तऐवज हा अधिकृत स्रोत मानला पाहिजे. महत्त्वाच्या माहितीसाठी व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या अनुवादाच्या वापरामुळे उद्भवलेल्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थासाठी आम्ही जबाबदार राहणार नाही.