এআই-এর 100 দিন, 12 দিন: প্রতিক্রিয়া পেতে আপনার জেনারেল এআই পরীক্ষাগুলি কীভাবে দ্রুত ডেমো করবেন

আপনি যদি 100 Days of AI সিরিজ পড়ছেন আমি একটি সাধারণ থিম লিখছি যা আপনি লক্ষ্য করবেন যে বেশিরভাগ পোস্টে কোনো না কোনো পরীক্ষা বা ডেমো থাকে। পোস্টের শেষে আমি এমন ধারণাগুলিও তালিকাভুক্ত করি যা আমার অন্বেষণ করা প্রযুক্তিগুলির সাথে সম্ভব। সুতরাং সুস্পষ্ট পরবর্তী প্রশ্ন হল, এই পরীক্ষাগুলিকে সহজেই ডেমো-সক্ষম পণ্যগুলিতে মোড়ানো এবং সেগুলি মানুষের সাথে ভাগ করে নেওয়ার এবং প্রতিক্রিয়া পাওয়ার উপায় আছে কি?

এই পোস্টে আমরা অন্বেষণ করব কীভাবে সহজেই একটি AI পরীক্ষাকে একটি ডেমোতে রূপান্তর করা যায় এবং প্রতিক্রিয়া পেতে পারে।

ধরা যাক আপনি একটি AI অ্যাপ তৈরি করতে চান যা পাঠ্য গ্রহণ করে এবং একটি সারাংশ প্রদান করে। এবং আপনি এটি মানুষের সাথে শেয়ার করতে চান এবং প্রতিক্রিয়া পেতে চান। যদি আপনাকে এই অ্যাপের জন্য একটি ওয়েব অ্যাপ তৈরি করতে হয়, তাহলে আপনাকে UI কোড করতে হবে নিশ্চিত করুন যে আপনি একটি হোস্টিং সমাধান খুঁজে পেয়েছেন এবং পুরো স্ট্যাকটি কী হতে চলেছে তা খুঁজে বের করুন। অবশ্যই ওয়েবঅ্যাপ স্ট্যাকগুলি শুরু হয়েছে যা এটিকে আরও দ্রুত করার অনুমতি দেবে তবে আপনার ব্যবহারের ক্ষেত্রে আপনার সেই সমস্ত জটিলতার প্রয়োজন নেই। পরিবর্তে আমরা Gradio ব্যবহার করব যা এই অ্যাপের জন্য কোনো কোড না লিখে ইন্টারফেসের মতো একটি ওয়েব অ্যাপ তৈরি করবে।

Gradio কি?

Gradio হল একটি পাইথন লাইব্রেরি যা আপনাকে সহজেই আপনার AI অ্যাপের ডেমো তৈরি করতে এবং একটি ওয়েব অ্যাপ আকারে দর্শকদের সাথে শেয়ার করতে দেয়।

কিভাবে সহজে Gradio এর মাধ্যমে একটি gen AI পরীক্ষার ডেমো করা যায় তা বোঝার জন্য, আমরা একটি সারসংক্ষেপ ওয়েব অ্যাপ তৈরি করব যেখানে আপনি অ্যাপটিকে একটি দীর্ঘ টেক্সট দিতে পারবেন এবং অ্যাপটি সেই দীর্ঘ টেক্সটের সারাংশ আউটপুট করবে।

ধাপ 1: সেটআপ

গ্র্যাডিওর পাশাপাশি, আমরা আলিঙ্গন করার মুখের অ্যাপ ব্যবহার করব যাতে অনুসরণ করার জন্য আপনি আপনার আলিঙ্গন করা মুখের api কী হাতের কাছে রাখতে পারেন। শুরু করার জন্য .env ফাইল থেকে API কী লোড করুন এবং প্রয়োজনীয় পাইথন মডিউল যোগ করুন।

 import os import io from IPython.display import Image, display, HTML #from PIL import Image import base64 import openai env_path = '../.env' from dotenv import load_dotenv, find_dotenv _ = load_dotenv(find_dotenv(env_path)) # read local .env file hf_api_key = os.environ['HF_API_KEY']

ধাপ 2: সংক্ষিপ্তকরণ ফাংশন সংজ্ঞায়িত করুন

আমরা যা অর্জন করতে চাই তার মূল যুক্তি হল একটি মডেলে একটি দীর্ঘ পাঠ্য প্রেরণ করা এবং পাঠ্যের একটি সারাংশ পাওয়া। আমরা একটি ফাংশন সংজ্ঞায়িত করব যা একটি ইনপুট হিসাবে দীর্ঘ পাঠ্য নেয় এবং আলিঙ্গন করা মুখের একটি মডেলকে কল করে যার নাম distilbart । এখানে এটি করার ফাংশন আছে।

 def get_completion(inputs, parameters=None, ENDPOINT_URL=os.environ['HF_API_SUMMARY_BASE']): headers = { "Authorization": f"Bearer {hf_api_key}", "Content-Type": "application/json" } data = { "inputs": inputs } if parameters is not None: data.update({"parameters": parameters}) response = requests.request("POST", ENDPOINT_URL, headers=headers, data=json.dumps(data) ) return json.loads(response.content.decode("utf-8"))

ধাপ 3: গ্র্যাডিও টু ডেমো সামারাইজেশন অ্যাপ ব্যবহার করুন

Gradio এর সাথে ইন্টারফেস ফাংশনের মাধ্যমে ইন্টারঅ্যাক্ট করার প্রধান উপায়। আমাদের একটি ফাংশন এবং এর সংশ্লিষ্ট ইনপুট এবং আউটপুট পাস করতে হবে। মনে রাখবেন যে আমরা এই উদ্দেশ্যে সংক্ষিপ্তকরণ নামে একটি নতুন ফাংশন সংজ্ঞায়িত করেছি। এই ফাংশনটি একটি ইনপুট নেয়, যা হবে লম্বা টেক্সট যা সংক্ষিপ্ত করা হবে এবং ফাংশনটি ইনপুট টেক্সটের সারাংশ পেতে এবং সেটিকে আউটপুট হিসাবে ফেরত দিতে ধাপ 2 থেকে get_completion ফাংশনকে কল করবে। চূড়ান্ত লাইনে আমরা গ্র্যাডিওকে এই অ্যাপটির ডেমো চালু করতে বলছি। শেয়ার=ট্রু প্রদান করার মাধ্যমে আমরা গ্র্যাডিওকে একটি সর্বজনীন লিঙ্ক তৈরি করতে বলছি যা অন্যদের সাথে শেয়ার করা যেতে পারে এবং সেই সাথে সার্ভার_পোর্ট প্রদান করে যার উপর স্থানীয় ওয়েবহোস্ট চালানো উচিত। নীচের কোডে আমরা ইনপুট এবং আউটপুট ক্ষেত্রগুলির শিরোনাম, বিবরণ এবং লেবেলগুলিও কাস্টমাইজ করি যা আপনি আউটপুটে লক্ষ্য করবেন।

 import gradio as gr def summarize(input): output = get_completion(input) return output[0]['summary_text'] gr.close_all() demo = gr.Interface(fn=summarize, inputs=[gr.Textbox(label="Text to summarize", lines=6)], outputs=[gr.Textbox(label="Result", lines=3)], title="Text summarization with distilbart-cnn", description="Summarize any text using the `shleifer/distilbart-cnn-12-6` model under the hood!" ) demo.launch(share=True, server_port=int(os.environ['PORT1']))

একবার আপনি এটি চালালে, আপনার ব্রাউজারে http://127.0.0.1:<your port number>-এ আউটপুটটি এখন কেমন দেখায় তা এখানে।

Gradio এর মাধ্যমে একটি প্রজেক্ট ডেমো করা খুবই সহজ। এখানে সৌন্দর্য হল আপনি একজন বিকাশকারী হিসাবে আপনাকে UI স্ট্যাক নিয়ে আসতে হবে না এবং সেই স্ট্যাকটি শেখার এবং এটিকে উৎপাদনে নিয়ে যাওয়ার জটিলতার মধ্য দিয়ে যেতে হবে। Gradio আপনার জন্য এটি করে।

Gradio বিভিন্ন ধরনের ইনপুট এবং আউটপুট অফার করে যা ব্যবহার করে আপনি আরও জটিল এবং আকর্ষণীয় ডেমো তৈরি করতে পারেন যা সহজেই ভাগ করা যায়। আমরা আগামী পোস্টে Gradio এবং অন্যান্য সরঞ্জামগুলির সাথে আরও ডেমো অন্বেষণ করব।

এটি AI এর 100 দিনের মধ্যে 12 তম দিনের জন্য।

আমি গড়ের উপরে নামে একটি নিউজলেটার লিখি যেখানে আমি বড় প্রযুক্তিতে ঘটছে এমন সবকিছুর পিছনে দ্বিতীয় ক্রম অন্তর্দৃষ্টি সম্পর্কে কথা বলি। আপনি যদি প্রযুক্তিতে থাকেন এবং গড় হতে না চান তবে এতে সদস্যতা নিন ।

AI এর 100 দিনের সর্বশেষ আপডেটের জন্য আমাকে Twitter , LinkedIn বা HackerNoon- এ অনুসরণ করুন। আপনি যদি প্রযুক্তিতে থাকেন তবে আপনি এখানে প্রযুক্তি পেশাদারদের আমার সম্প্রদায়ে যোগদান করতে আগ্রহী হতে পারেন।