solutions genai llm workshop

Descripción general

Esto es parte del taller técnico JAPAC Generativo AI QWIKLABS. El taller camina al público a través de:

• Ofertas de lenguaje de IA generativo de Google
• Integración de Langchain

Provisión de recursos en la nube

1. Configurar el entorno de Google Cloud

   Si está ejecutando el laboratorio en el entorno Qwiklabs, puede omitir el paso 2.

Para configurar manualmente el proyecto de Google Cloud:

2. Use Terraform para crear y configurar los recursos requeridos.

• GOTO terraform/qwiklabs CARPEDA.

   cd terraform/qwiklabs

• Crear archivo terraform.tfvars con el siguiente contenido

   gcp_project_id = <YOUR GCP PROJECT ID>
  gcp_region = <DEFAULT GCP PROJECT ID> 
  gcp_zone = <DEFAULT GCP PROJECT ID> 

• Aplique Terraform a Privision Google Cloud Resources.

  terraform init
  terraform plan -var-file=terraform.tfvars
  terraform apply -var-file=terraform.tfvars

  Esto creará los siguientes recursos: 1. Una VPC con reglas de firewall que permite el tráfico entrante de 80, 8080, 23 TCP. 2. Red de servicio Pesing con el VPC.

En este punto, ha aprovisionado los recursos de la nube requeridos.

Crea Vertex AI Workbench como entorno de laboratorio.

En este laboratorio, utilizamos Vertex AI Workbench como entorno de laboratorio.

1. Siga las instrucciones para aprovisionar Vertex AI Workbench Instance.

2. Una vez que se crea la instancia de Workbench. Abra el cuaderno.

   

3. Terminal abierto.

   

4. Ejecute los siguientes comandos en el terminal.

    export GOOGLE_CLOUD_PROJECT= $( gcloud config get project )
   export GOOGLE_CLOUD_REGION=us-central1
   export GOOGLE_CLOUD_ZONE=us-central1-a
   
   git clone https://github.com/GoogleCloudPlatform/solutions-genai-llm-workshop
   
   cd solutions-genai-llm-workshop
   
   python3 -m venv .venv
   
   curl -sSL https://raw.githubusercontent.com/python-poetry/install.python-poetry.org/385616cd90816622a087450643fba971d3b46d8c/install-poetry.py | python3 -
   
   source .venv/bin/activate
   curl -sS https://bootstrap.pypa.io/get-pip.py | python3
   
   pip install -r requirements.in

5. Autenticar en el proyecto de Google Cloud

   gcloud auth login # Login with project owner account
   gcloud auth application-default login # Login with project owner account
   

6. Asigne los roles requeridos al usuario.

    export USER_EMAIL= < USE ACCOUNT EMAIL >
   gcloud projects add-iam-policy-binding $GOOGLE_CLOUD_PROJECT --member=user: $USER_EMAIL --role=roles/ml.admin
   
   gcloud projects add-iam-policy-binding $GOOGLE_CLOUD_PROJECT --member=user: $USER_EMAIL --role=roles/aiplatform.admin
   
   gcloud projects add-iam-policy-binding $GOOGLE_CLOUD_PROJECT --member=user: $USER_EMAIL --role=roles/aiplatform.user
   
   gcloud projects add-iam-policy-binding $GOOGLE_CLOUD_PROJECT --member=user: $USER_EMAIL --role=roles/serviceusage.serviceUsageConsumer
   

7. Crear un conjunto de datos BigQuery

   python3 1-create-and-copy-bq-data.py

8. Cree un motor de combinación de vértices, esto puede llevar alrededor de 60 minutos.

   curl -L https://tinyurl.com/genai-202307-dataset --output dataset.zip
   unzip dataset.zip
   rm dataset.zip
   
   python3 0-setup-matching-enging.py