VIDEO
HIGHLIGHT
Log InSign up
Build an LLM from Scratch 1: Set up your code environment
SummaryTranscriptChat

Build an LLM from Scratch 1: Set up your code environment

Uvod u video o postavljanju Python okruženja

Predstavljanje i svrha videa

  • Sebastian Raschka, autor knjige "Build a Large Language Model (from Scratch)", pozdravlja gledatelje i objašnjava svrhu videa.
  • Video će pružiti dodatne resurse za svaki od sedam poglavlja knjige, s naglaskom na kodne primjere.

Postavljanje Python okruženja

  • Prvo poglavlje ne sadrži kodne primjere; stoga se fokusira na postavljanje Python okruženja za rad s kasnijim poglavljima.
  • Autor dijeli svoje osobne preporuke za postavljanje Python-a na novom računalu, koristeći najnovije alate i preporuke.

Resursi i alati

GitHub repozitorij

  • Autor spominje GitHub kao mjesto gdje dijeli kod vezan uz knjigu, uključujući folder sa savjetima za postavljanje.
  • Preporučuje korištenje cloud resursa poput Lightning Studija ili Google Colab-a ako lokalno postavljanje ne uspije.

Postavke Python-a

Instalacija Pythona

  • Autor pokazuje kako provjeriti je li Python instaliran putem terminala.
  • Preporučuje instalaciju odvojene verzije Pythona umjesto korištenja verzije koja dolazi s operativnim sustavom.

Odabir verzije Pythona

  • Savjetuje instalaciju starijih verzija Pythona zbog kompatibilnosti s paketima poput PyTorch-a koji možda ne podržavaju najnoviju verziju odmah.

Korištenje Homebrew-a

Paketni menadžer

  • Autor koristi Homebrew kao paketni menadžer za macOS, ali napominje da to nije obavezno.
  • Objašnjava kako instalirati Python putem Homebrew-a jednostavnom komandom.

Postavljanje UV paketa

Instalacija UV paketa

  • UV se može instalirati pomoću pip komande; brži je od standardnog pip-a.

Kreiranje virtualnog okruženja

  • Preporučuje kreiranje virtualnog okruženja radi lakšeg upravljanja paketima bez utjecaja na cijeli sustav.

Aktivacija virtualnog okruženja

Rad u aktivnom okruženju

  • Nakon kreiranja virtualnog okruženja potrebno ga je aktivirati prije rada s njim.
  • Instalacija paketa unutar virtualnog okruženja vrši se pomoću uv pip install komande.

Rješavanje problema s TensorFlowom

Problemi na Windowsu

  • Spominje moguće probleme prilikom korištenja TensorFlow biblioteke na Windows platformi zbog zahtjeva za GPT težinama iz OpenAI-ja.

Alternativna rješenja

  • Kao alternativu predlaže korištenje Google Colab-a koji nudi besplatno pokretanje Jupyter bilježnica u oblaku bez potrebe za lokalnim postavkama.

Zaključak i preporuke

Savjeti za rad s bilježnicama

  • Preporučuje stvaranje novih bilježnica umjesto otvaranja postojećih kako bi se poboljšalo iskustvo učenja kroz vlastito pisanje koda.
Playlists: Build a Large Language Model (From Scratch)
Video description

Links to the book: - https://amzn.to/4fqvn0D (Amazon) - https://mng.bz/M96o (Manning) Link to the GitHub repository: https://github.com/rasbt/LLMs-from-scratch This is a supplementary video explaining how to set up a Python environment using uv. 00:00 Introduction 01:33 Setup info on GitHub 03:30 Optional setup preferences and uv 05:00 uv pip vs uv add syntax 05:35 1) Installing Python 09:05 2) Setting up uv 10:12 3) Creating a virtual environment 14:03 4) Installing packages 16:34 5) pip install fallback 16:57 6) If nothing works: Google Colab :) 19:07 7) uv run to run Jupyter Lab locally In particular, we are using `uv pip`, which is explained in this document: https://github.com/rasbt/LLMs-from-scratch/blob/main/setup/01_optional-python-setup-preferences/README.md Alternatively, the native `uv add` syntax (mentioned but not explicitly covered in this video) is described here: https://github.com/rasbt/LLMs-from-scratch/blob/main/setup/01_optional-python-setup-preferences/native-uv.md