solutions genai llm workshop

Visão geral

Isso faz parte do workshop técnico generativo da AI JAPAC QWIKLABS. O workshop percorre o público:

• Ofertas generativas de idiomas do Google
• Integração de Langchain

Provision Recursos em nuvem

1. Configurar o ambiente do Google Cloud

   Se você estiver executando o laboratório no ambiente QWIKLABS, poderá pular a Etapa 2.

Para configurar manualmente o projeto do Google Cloud:

2. Use a Terraform para criar e configurar os recursos necessários.

• Pasta GOTO terraform/qwiklabs .

   cd terraform/qwiklabs

• Crie arquivo terraform.tfvars com o seguinte conteúdo

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

• Aplique o Terraform ao Privision Google Cloud Resources.

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

  Isso criará os seguintes recursos: 1. Um VPC com regras de firewall que permite 80, 8080, 23 TCP de tráfego de entrada. 2. Rede de serviço Esparete com o VPC.

Neste ponto, você provisionou os recursos de nuvem necessários.

Crie a bancada da AI da AI como o ambiente de laboratório.

Neste laboratório, usamos a bancada da AI do vértice como ambiente de laboratório.

1. Siga as instruções para provisionar a instância do vértice da AI Workbench.

2. Depois que a instância do Workbench for criada. Abra o caderno.

   

3. Terminal aberto.

   

4. Execute os seguintes comandos no 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. Autentique o projeto do Google Cloud

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

6. Atribua as funções necessárias ao usuário.

    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. Crie conjunto de dados BigQuery

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

8. Crie um motor de correspondência de vértice, isso pode levar cerca 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