په خپل کمپیوټر کې د مصنوعي ذهانت جوړولو څرنګوالی

څنګه په خپل کمپیوټر کې مصنوعي ذهانت جوړ کړئ. بشپړ لارښود.

سمه ده، نو تاسو د "AI" جوړولو په اړه لیواله یاست. د هالیوډ په معنی نه چیرې چې دا د شتون په اړه فکر کوي، مګر هغه ډول چې تاسو یې په خپل لیپ ټاپ کې چلولی شئ چې وړاندوینې کوي، شیان ترتیبوي، شاید حتی یو څه چیټونه هم کوي. دا لارښود ستاسو په کمپیوټر کې د AI جوړولو څرنګوالي هیڅ څخه ته راوباسئ چې په حقیقت کې په محلي توګه کار کوي . د لنډو لارو، سپکو نظرونو، او کله ناکله د اړخ تعقیب تمه وکړئ ځکه چې، راځئ چې ریښتیا واوسو، ټکر کول هیڅکله پاک ندي.

هغه مقالې چې تاسو یې له دې وروسته لوستل خوښولی شئ:

🔗 د مصنوعي ذهانت ماډل څنګه جوړ کړو: بشپړ ګامونه تشریح شوي
د پیل څخه تر پایه پورې د مصنوعي ذهانت ماډل جوړولو روښانه تحلیل.

🔗 سمبولیک AI څه شی دی: ټول هغه څه چې تاسو ورته اړتیا لرئ پوه شئ
د سمبولیک مصنوعي ذهانت اساسات، تاریخ، او د عصري دورې غوښتنلیکونه زده کړئ.

🔗 د AI لپاره د معلوماتو ذخیره کولو اړتیاوې: هغه څه چې تاسو ورته اړتیا لرئ
د اغیزمنو او پراخیدونکي مصنوعي ذهانت سیسټمونو لپاره د ذخیره کولو اړتیاوې درک کړئ.

ولې اوس زحمت کوې؟ 🧭

ځکه چې د "یوازې د ګوګل پیمانه لابراتوارونه کولی شي مصنوعي ذهانت ترسره کړي" دوره لاړه ده. پدې ورځو کې، د یو منظم لیپ ټاپ، ځینې خلاصې سرچینې وسیلو، او ضد سره، تاسو کولی شئ کوچني ماډلونه جوړ کړئ چې بریښنالیکونه طبقه بندي کوي، متن لنډیز کوي، یا انځورونه ټګ کوي. د معلوماتو مرکز ته اړتیا نشته. تاسو یوازې اړتیا لرئ:

  • یو پلان،

  • یو پاک ترتیب،

  • او یو هدف چې تاسو یې پرته له دې چې ماشین له کړکۍ څخه وغورځوئ بشپړولی شئ.

څه شی دا د تعقیبولو ارزښت لري ✅

هغه خلک چې "څنګه په خپل کمپیوټر کې مصنوعي ذهانت جوړ کړو" پوښتنه کوي معمولا دوکتورا نه غواړي. دوی یو څه غواړي چې په حقیقت کې یې پرمخ بوځي. یو ښه پلان یو څو شیان په ګوته کوي:

  • له کوچني څخه پیل وکړئ : احساسات طبقه بندي کړئ، نه "د هوښیارۍ حل کول".

  • د تکثیر وړتیا : کانډا یا وینو نو تاسو کولی شئ سبا پرته له ویرې بیا جوړ کړئ.

  • د هارډویر صداقت : د سایکیټ زده کړې لپاره CPUs ښه دي، د ژورو شبکو لپاره GPUs (که تاسو بختور یاست) [2][3].

  • پاک معلومات : هیڅ غلط لیبل شوی کثافات نشته؛ تل په ټرین/واقعیت/ازموینې ویشل کیږي.

  • هغه میټریکونه چې یو څه معنی لري : دقت، دقت، یادونه، F1. د عدم توازن لپاره، ROC-AUC/PR-AUC [1].

  • د شریکولو یوه لاره : یو کوچنی API، CLI، یا ډیمو ایپ.

  • خوندیتوب : هیڅ مشکوک ډیټاسیټونه نشته، د شخصي معلوماتو لیکونه نشته، خطرونه په واضح ډول یاد کړئ [4].

دا سم کړئ، او حتی ستاسو "کوچنی" ماډل ریښتینی دی.

یوه داسې لار نقشه چې ډارونکې نه ښکاري 🗺️

  1. یوه کوچنۍ ستونزه + یو میټریک غوره کړئ.

  2. پایتون او یو څو کلیدي کتابتونونه نصب کړئ.

  3. یو پاک چاپیریال جوړ کړئ (تاسو به وروسته له ځانه مننه وکړئ).

  4. خپل ډیټاسیټ پورته کړئ، په سمه توګه تقسیم کړئ.

  5. یو احمقانه خو صادقانه اساس وروزو.

  6. یوازې هغه وخت د عصبي شبکې هڅه وکړئ که چیرې ارزښت اضافه کړي.

  7. یوه ډیمو بسته کړئ.

  8. ځینې ​​یادښتونه وساتئ، په راتلونکي کې - تاسو به مننه وکړئ.

لږ تر لږه کټ: ډیر پیچلی مه کوئ 🧰

  • پایتون : د python.org څخه ترلاسه کړئ.

  • چاپیریال : د پایپ سره کانډا یا وینو .

  • نوټ بوکونه : د لوبې لپاره جوپایټر.

  • مدیر : د VS کوډ، دوستانه او پیاوړی.

  • اصلي لیبونه

    • پانډا + نومپي (د معلوماتو شخړه)

    • سایکیټ-لرن (کلاسیک ایم ایل)

    • پایټورچ یا ټینسر فلو (ژوره زده کړه، GPU ماده جوړوي) [2][3]

    • د غېږې ورکولو د مخ ټرانسفارمرونه، ځای، اوپن سي وي (NLP + ویژن)

  • چټکتیا (اختیاري)

    • NVIDIA → CUDA جوړوي [2]

    • AMD → ROCm جوړوي [2]

    • ایپل → پایټورچ د فلزي بیک اینډ (MPS) سره [2]

⚡ اړخيزه يادونه: د "نصبولو درد" ډېری وخت له منځه ځي که تاسو یوازې رسمي انسټالرانو ته اجازه ورکړئ چې دقیق قومانده درکړي. کاپي، پیسټ، بشپړ شوی [2][3].

د ګوتو اصول: لومړی په CPU کې ځړول، وروسته د GPU سره سپرنټ.

د خپلې ستنې غوره کول: د ځلیدونکو شیانو په وړاندې مقاومت وکړئ 🧪

  • جدول معلومات → سایکیټ-لرن. لوژستیکي ریګریشن، ناڅاپي ځنګلونه، د تدریجي ودې.

  • متن یا انځورونه → PyTorch یا TensorFlow. د متن لپاره، د کوچني ټرانسفارمر ښه تنظیم کول یوه لویه بریا ده.

  • چیټ بوټ-ایش → llama.cpp کولی شي په لیپټاپونو کې کوچني LLMs چلوي. د جادو تمه مه کوئ، مګر دا د نوټونو او لنډیزونو لپاره کار کوي [5].

د پاک چاپیریال تنظیم 🧼

# کونډا لاره conda جوړ کړئ -n localai python=3.11 conda activate localai # یا venv python -m venv .venv سرچینه .venv/bin/activate # وینډوز: .venv\Scripts\activate

بیا اړین توکي نصب کړئ:

پایپ انسټال نمپي پانډا سایکیټ-لرن جوپیټر پایپ انسټال مشعل ټارچ ویژن ټارچ آډیو # یا ټینسر فلو پایپ انسټال ټرانسفارمر ډیټاسیټونه

(د GPU جوړولو لپاره، په جدي توګه، یوازې رسمي انتخاب کونکی وکاروئ [2][3].)

لومړی کاري ماډل: کوچنی وساتئ 🏁

لومړی بنسټ. CSV → ځانګړتیاوې + لیبلونه → لوژستیکي ریګریشن.

له sklearn.linear_model څخه د لوژستیک ریګریشن وارد کړئ ... چاپ کړئ ("دقت:"، دقت_نښه (y_ټیسټ، وړاندوینې)) چاپ کړئ (طبقه بندي_راپور (y_ټیسټ، وړاندوینې))

که دا په ناڅاپي ډول ښه کار وکړي، تاسو لمانځئ. کافي یا کوکی، ستاسو زنګ ☕.
د غیر متوازن ټولګیو لپاره، د خام دقت پر ځای دقت/یادونه + ROC/PR منحني وګورئ [1].

عصبي جالونه (یوازې که دوی مرسته وکړي) 🧠

متن لرئ او د احساساتو طبقه بندي غواړئ؟ یو کوچنی مخکې له مخکې روزل شوی ټرانسفارمر ښه تنظیم کړئ. ګړندی، ښه، ستاسو ماشین نه غوړوي.

د ټرانسفارمرونو څخه د AutoModelForSequenceClassification واردول ... trainer.train() چاپ(trainer.evaluate())

مسلکي لارښوونه: د کوچنیو نمونو سره پیل وکړئ. د معلوماتو په 1٪ کې ډیبګ کول ساعتونه خوندي کوي.

معلومات: هغه اساسات چې تاسو یې نشئ پریښودلی 📦

  • عامه ډیټاسیټونه: کاګل، هګینګ فیس، اکاډمیک ریپوز (د جوازونو چک کول).

  • اخلاق: شخصي معلومات پاک کړئ، حقونو ته درناوی وکړئ.

  • وېش: روزنه، تایید، ازموینه. هیڅکله مه ګورئ.

  • لیبلونه: ثبات د خیالي ماډلونو په پرتله ډیر مهم دی.

د حقیقت بم: ۶۰٪ پایلې د پاکو لیبلونو څخه دي، نه د معمارۍ جادو څخه.

هغه معیارونه چې تاسو صادق ساتي 🎯

  • طبقه بندي → دقت، دقت، یادونه، F1.

  • غیر متوازن سیټونه → ROC-AUC، PR-AUC ډیر مهم دي.

  • رجعت → MAE، RMSE، R².

  • د واقعیت معاینه → یو څو پایلې وګورئ؛ شمیرې دروغ کولی شي.

ګټور حواله: د سایکیټ-لرن میټریک لارښود [1].

د سرعت لارښوونې 🚀

  • NVIDIA → PyTorch CUDA جوړونه [2]

  • AMD → ROCm [2]

  • ایپل → د MPS بیک انډ [2]

  • ټینسر فلو → د رسمي GPU نصب تعقیب کړئ + تایید کړئ [3]

خو مخکې له دې چې ستاسو اساس هم چلیږي اصلاح مه کوئ. دا د موټر د څرخونو د لرلو دمخه د څرخونو د پالش کولو په څیر دی.

محلي تولیدي ماډلونه: د ډریگن ماشوم 🐉

  • ژبه د llama.cpp له لارې کوانټائز شوي LLMs [5]. د نوټونو یا کوډ اشارو لپاره ښه، نه د ژورو خبرو اترو لپاره.

  • انځورونه → د ثابت خپریدو ډولونه شتون لري؛ جوازونه په دقت سره ولولئ.

ځینې ​​وختونه د دندې پورې اړوند ښه تنظیم شوی ټرانسفارمر په کوچني هارډویر کې پړسیدلي LLM ته ماتې ورکوي.

د بسته بندۍ ډیمو: خلکو ته اجازه ورکړئ چې کلیک وکړي 🖥️

  • ګریډیو → تر ټولو اسانه UI.

  • فاسټ اے پي آی → پاک API.

  • فلاسک → چټک سکرېپټونه.

د ګریډیو واردول د gr clf = پایپ لاین ("احساس تحلیل") ... demo.launch() په توګه

کله چې ستاسو براوزر دا ښکاره کوي نو د جادو په څیر احساس کوي.

هغه عادتونه چې عقل ساتي 🧠

  • د نسخې کنټرول لپاره Git.

  • د تجربو تعقیب لپاره MLflow یا نوټ بوکونه.

  • د DVC یا هشونو سره د معلوماتو نسخه کول.

  • که نور ستاسو د شیانو چلولو ته اړتیا ولري، نو ډاکر وکړئ.

  • د پن انحصارونه ( requirements.txt ).

باور وکړه، راتلونکې - ته به منندوی یې.

د ستونزو حل کول: عامې "اوف" شېبې 🧯

  • د نصبولو تېروتنې؟ یوازې env پاک کړئ او بیا یې جوړ کړئ.

  • GPU ونه موندل شو؟ د ډرایور مطابقت نشته، نسخې وګورئ [2][3].

  • ماډل زده کړه نه کوي؟ د زده کړې کچه ټیټه کړئ، ساده کړئ، یا لیبلونه پاک کړئ.

  • ډیر فټ کول؟ منظم کول، پریښودل، یا یوازې ډیر معلومات.

  • ډېر ښه میټریکونه؟ تاسو د ازموینې سیټ لیک کړی (دا د هغه څه څخه ډیر پیښیږي چې تاسو یې فکر کوئ).

امنیت + مسؤلیت 🛡️

  • پټه PII.

  • د جوازونو درناوی وکړئ.

  • لومړی ځایی = محرمیت + کنټرول، مګر د محاسبې محدودیتونو سره.

  • د خطرونو مستند کول (انصاف، خوندیتوب، انعطاف، او نور) [4].

د پرتله کولو اسانه جدول 📊

وسیله غوره لپاره ولې یې وکاروئ؟
سایکیټ-زده کړه جدولي معلومات چټکې بریاوې، پاک API 🙂
پایټورچ ځانګړي ژور جالونه انعطاف منونکې او لویه ټولنه
د ټینسر فلو د تولید پایپ لاینونه ایکوسیستم + د خدمت کولو اختیارونه
ټرانسفارمرونه د متن دندې مخکې روزل شوي ماډلونه محاسبه خوندي کوي
سپای د NLP پایپ لاینونه صنعتي ځواک، عملي
ګریډیو ډیمو/UIs 1 دوتنه → UI
فاسټ اے پي آی APIs سرعت + اتومات اسناد
د ONNX چلولو وخت د چوکاټونو ترمنځ کارول د لېږد وړ + موثر
لاما.سي پي پي کوچني سیمه ییز LLMs د CPU دوستانه کوانټائزیشن [5]
ډاکر د معلوماتو شریکول "دا هر ځای کار کوي"

درې ژورې غوطې (تاسو به په حقیقت کې وکاروئ) 🏊

  1. د جدولونو لپاره د فیچر انجینري → نورمال کول، یو ګرم، د ونې ماډلونه هڅه وکړئ، کراس تایید کړئ [1].

  2. د متن لپاره د زده کړې لیږد → کوچني ټرانسفارمرونه ښه تنظیم کړئ، د seq اوږدوالی معتدل وساتئ، د نادرو ټولګیو لپاره F1 [1].

  3. د محلي استنباط لپاره اصلاح کول → کوانټائز کول، د ONNX صادرول، د کیش ټوکنیزرونه.

کلاسیک خطرونه 🪤

  • ډېر لوی، ډېر وختي ودانۍ.

  • د معلوماتو کیفیت له پامه غورځول.

  • د ازموینې ویش پریښودل.

  • ړانده کاپي او پیسټ کوډ کول.

  • د هیڅ شی مستند کول نه.

حتی یو README ساعتونه وروسته خوندي کوي.

د وخت ارزښت لرونکې زده کړې سرچینې 📚

  • رسمي اسناد (پای ټورچ، ټینسر فلو، سایکیټ-لرن، ټرانسفارمرز).

  • د ګوګل ایم ایل کریش کورس، ډیپ لرنینګ.ای.ای.

  • د لید اساساتو لپاره د OpenCV اسناد.

  • د NLP پایپ لاینونو لپاره د سپیسسي کارولو لارښود.

کوچنی ژوند-هیک: هغه رسمي نصب کونکي چې ستاسو د GPU نصبولو قومانده رامینځته کوي ژوند ژغورونکي دي [2][3].

ټول سره یوځای کول 🧩

  1. هدف → د ملاتړ ټکټونه په ۳ ډولونو طبقه بندي کړئ.

  2. معلومات → د CSV صادرول، بې نومه، ویشل شوي.

  3. بنسټیز → سایکیټ-لرن TF-IDF + لوژستیکي ریګریشن.

  4. اپ گریڈ → که چیرې بیس لاین ودریږي نو د ټرانسفارمر ښه تنظیم کړئ.

  5. ډیمو → ګریډیو متن بکس اپلیکیشن.

  6. کښتۍ → ډاکر + README.

  7. تکرار کړئ → غلطۍ سم کړئ، بیا نښه کړئ، تکرار کړئ.

  8. خونديتوب → د خطرونو سند [4].

دا ډېر ستړی کوونکی اغېزمن دی.

ډاکټر 🎂

په خپل کمپیوټر کې د مصنوعي ذهانت جوړولو زده کړه = یوه کوچنۍ ستونزه غوره کړئ، اساس جوړ کړئ، یوازې هغه وخت یې زیات کړئ کله چې مرسته وکړي، او خپل تنظیم د بیا تولید وړ وساتئ. دا دوه ځله وکړئ او تاسو به وړتیا احساس کړئ. دا پنځه ځله وکړئ او خلک به له تاسو څخه د مرستې غوښتنه پیل کړي، کوم چې په پټه توګه د ساتیري برخه ده.

او هو، ځینې وختونه داسې احساس کیږي لکه ټوسټر ته د شعر لیکلو درس ورکول. سمه ده. لوبې ته دوام ورکړئ. 🔌📝

ماخذونه

[1] سایکیټ-لرن — میټریکونه او ماډل ارزونه: لینک
[2] پی ټورچ — ځایی نصب انتخاب کونکی (CUDA/ROCm/Mac MPS): لینک
[3] ټینسر فلو — نصب + GPU تایید: لینک
[4] NIST — د AI د خطر مدیریت چوکاټ: لینک
[5] llama.cpp — ځایی LLM ریپو: لینک

په رسمي AI اسسټنټ پلورنځي کې وروستي AI ومومئ

زموږ په اړه

بیرته بلاګ ته