solutions genai llm workshop

概述

这是JAPAC生成AI技术研讨会的一部分。研讨会遍历观众：

• Google生成的AI语言产品
• Langchain集成

提供云资源

1. 配置Google云环境

   如果您在Qwiklabs环境中运行实验室，则可以跳过步骤2。

手动配置Google Cloud项目：

2. 使用Terraform创建和配置所需的资源。

• Goto terraform/qwiklabs文件夹。

   cd terraform/qwiklabs

• 使用以下内容创建terraform.tfvars文件

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

• 将Terraform应用于私有Google Cloud Resources。

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

  这将创建以下资源：1。具有防火墙规则的VPC，允许80、8080、23 TCP入站贩运。 2。服务网络凝视VPC。

此时，您已经提供了所需的云资源。

创建顶点AI工作台作为实验室环境。

在本实验室中，我们将顶点AI工作台用作实验室环境。

1. 请按照指令进行“配置顶点AI Workbench实例”。

2. 一旦创建了工作台实例。打开笔记本。

   

3. 开放式终端。

   

4. 在终端中运行以下命令。

    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. 对Google Cloud项目进行身份验证

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

6. 为用户分配所需的角色。

    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. 创建BigQuery数据集

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

8. 创建顶点匹配引擎，这可能需要60分钟。

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