5 प्रोजेक्ट जो आप जेनरेटिव एआई मॉडलों के साथ बना सकते हैं (उदाहरण सहित)

इस पोस्ट में, हम पाँच जेनरेटिव एआई प्रोजेक्ट्स की पड़ताल करेंगे जो आपको अपना मशीन लर्निंग और डेटा साइंस पोर्टफोलियो बनाने और मजबूत करने में मदद करेंगे। ये प्रोजेक्ट्स Stable Diffusion, Segment Anything, LangChain, Alpaca-LoRA, और अन्य जैसी अत्याधुनिक तकनीकों की समझ बढ़ाने के लिए बनाए गए हैं।

चाहे आप जेनरेटिव एआई में नए हों या कुछ अनुभव रखते हों, ये प्रोजेक्ट्स आपको वे मूल्यवान कौशल देंगे जो नौकरी के आवेदन और इंटरव्यू में आपको अलग पहचान दे सकते हैं।

आप GPT श्रृंखला—GPT-1, GPT-2, GPT-3, और GPT-4—के बारे में 'GPT-4 क्या है और यह क्यों महत्वपूर्ण है?' लेख पढ़कर जान सकते हैं। आप कुछ अन्य एआई प्रोजेक्ट्स भी एक अलग पोस्ट में देख सकते हैं।

1. StableSAM: Segment Anything के साथ Stable Diffusion Inpainting

इस प्रोजेक्ट में, आप Meta का segment-anything, Hugging Face के diffusers, और Gradio का उपयोग करके ऐसा ऐप बनाएंगे जो आपके चुने गए हिस्से—बैकग्राउंड, चेहरा, कपड़े या कुछ भी—को बदल सके। इसे बस इमेज, चुना गया क्षेत्र और एक प्रॉम्प्ट चाहिए।

उपयोग के मामले:

StableSAM डिजिटल मार्केटिंग, डिजाइन और एंटरटेनमेंट इंडस्ट्री के क्रिएटिव प्रोफेशनल्स के लिए बिल्कुल उपयुक्त है। यह उपयोगकर्ताओं को इमेज के खास हिस्सों को सटीकता से एडिट करने देता है, जिससे बैकग्राउंड बदलना, कपड़े बदलना, या प्रमोशनल मटीरियल में ऑब्जेक्ट संशोधित करना जैसे कार्यों के लिए यह आदर्श है। शौक़िया लोगों के लिए, यह बिना एडवांस्ड डिजाइन स्किल्स के इमेज कस्टमाइज़ेशन का शानदार टूल है।

आप जो कौशल सीखेंगे:

• Stable Diffusion का उपयोग करके इमेज इनपेंटिंग पाइपलाइन लागू करना
• इमेज सेगमेंटेशन के लिए Meta के Segment Anything Model (SAM) के साथ काम करना
• Gradio के साथ एक इंटरैक्टिव वेब एप्लिकेशन बनाना
• मॉडल डिप्लॉयमेंट के लिए Hugging Face diffusers का उपयोग करना

Stable Diffusion Inpainting पाइपलाइन बनाएँ

हम stabilityai/stable-diffusion-2-inpainting · Hugging Face पर उपलब्ध diffuser और मॉडल वेट्स का उपयोग करके Stable Diffusion Inpainting पाइपलाइन बनाएंगे। इसके बाद, हम GPU त्वरण के लिए इसे CUDA पर जोड़ेंगे। 

इमेज मास्क और इनपेंटिंग फ़ंक्शन परिभाषित करना

इमेज मास्क फ़ंक्शन SAM Predictor का उपयोग करके बनाया जाता है। यह इमेज, चुना गया इमेज सेक्शन, और एक is_backgroud बूलियन मान लेता है ताकि मास्क की गई इमेज और सेगमेंटेशन बनाए जा सकें। 

इसके बाद, इनपेंटिंग फ़ंक्शन Stable Diffusion Inpainting पाइपलाइन का उपयोग करके इमेज के चुने गए हिस्सों को बदलता है। पाइपलाइन्स को इनपुट इमेज, मास्क की गई इमेज, सेगमेंटेड इमेज, प्रॉम्प्ट टेक्स्ट और नेगेटिव प्रॉम्प्ट टेक्स्ट की आवश्यकता होती है।  

Gradio UI बनाना

आप एक रो बनाएँगे और तीन इमेज ब्लॉक्स जोड़ेंगे। एक न्यूनतम व्यवहार्य उत्पाद के लिए, आपको सबमिट बटन के साथ एक और रो जोड़ना होगा। इसके बाद, आपको इनपुट इमेज ऑब्जेक्ट को पिक्सेल चुनने, मास्क और सेगमेंटेशन जनरेट करने, और सबमिट बटन पर इनपेंटिंग फ़ंक्शन चलाने की क्रिया जोड़ने के लिए संशोधित करना होगा।

Gradio सीखना काफी आसान है। आप Gradio Docs पढ़कर सब कुछ सीख सकते हैं। 

StableSAM का बेहतर संस्करण

StableSAM का बेहतर संस्करण Hugging Face पर उपलब्ध है, जिसमें ControlNet का उपयोग करने वाली कस्टमाइज़्ड इनपेंटिंग पाइपलाइन शामिल है। यह Stability AI के बजाय Runway ML Stable Diffusion Inpainting का उपयोग करता है। 

जैसा कि आप देख सकते हैं, अंतिम संस्करण ऐप में सेगमेंटेशन ब्लॉक, क्लीन बटन, बैकग्राउंड विकल्प और नेगेटिव प्रॉम्प्ट के साथ सुथरा इंटरफेस है। 

संसाधन: 

• Hugging Face डेमो: StableSAM
• YouTube ट्यूटोरियल: Segment Anything Model (SAM) के साथ Stable Diffusion Inpainting

2. Alpaca-LoRA: कम संसाधनों में ChatGPT-जैसा चैटबॉट बनाएँ 

Alpaca-LoRA आपको एक ही GPU पर अपना विशेषीकृत ChatGPT-जैसा चैटबॉट बनाने के लिए सभी आवश्यक घटक प्रदान करता है। इस प्रोजेक्ट में, हम शुरुआती सेटअप, ट्रेनिंग, इन्फरेंस स्क्रिप्ट, और CPU पर इन्फरेंस चलाने के लिए नेटिव क्लाइंट को देखेंगे।

उपयोग के मामले:

यह प्रोजेक्ट कस्टमाइज़्ड संवादात्मक एआई सिस्टम बनाने में रुचि रखने वालों के लिए बढ़िया है। चाहे आप किसी छोटे व्यवसाय के लिए कस्टमर सर्विस चैटबॉट बना रहे हों या पर्सनल असिस्टेंट विकसित कर रहे हों, Alpaca-LoRA सीमित कम्प्यूटेशनल संसाधनों के साथ एक विशेषीकृत चैटबॉट ट्रेन करने का कुशल तरीका देता है। बजट पर भाषा मॉडल फाइन-ट्यूनिंग के साथ प्रयोग करने के लिए यह प्रोजेक्ट आदर्श है।

आप जो कौशल सीखेंगे:

• एकल GPU पर LoRA के साथ भाषा मॉडलों का फाइन-ट्यूनिंग
• Stanford Alpaca डेटासेट सेट करना और उपयोग करना
• कम संसाधन वाले वातावरण (जैसे, Raspberry Pi) पर इन्फरेंस स्क्रिप्ट चलाना
• Gradio-आधारित चैटबॉट इंटरफेस डिप्लॉय करना
• LLaMA जैसे बड़े भाषा मॉडलों के प्रशिक्षण और अनुकूलन को समझना

लोकल सेटअप

1. रिपॉजिटरी क्लोन करें: tloen/alpaca-lora
2. डिपेंडेंसी इंस्टॉल करें: pip install -r requirements.txt
3. यदि bitsandbytes काम न करे, तो इसे सोर्स से इंस्टॉल करें। 

ट्रेनिंग

इस भाग में, हम फाइन-ट्यूनिंग स्क्रिप्ट देखेंगे जिसे आप क्लीन किए गए Stanford Alpaca मॉडल के साथ LLaMA मॉडल पर चला सकते हैं। 

बेहतर प्रदर्शन के लिए आप हाइपरपैरामीटर्स को समायोजित करने हेतु रिपॉजिटरी देख सकते हैं।

python finetune.py \
    --base_model 'decapoda-research/llama-7b-hf' \
    --data_path 'yahma/alpaca-cleaned' \
    --output_dir './lora-alpaca'संचालित द्वारा

इन्फरेंस

इन्फरेंस स्क्रिप्ट Hugging Face से आधार LLaMA मॉडल पढ़ती है और LoRA वेट्स लोड कर Gradio इंटरफेस चलाती है। 

python generate.py \
    --load_8bit \
    --base_model 'decapoda-research/llama-7b-hf' \
    --lora_weights 'tloen/alpaca-lora-7b'संचालित द्वारा

आप alpaca.cpp का उपयोग CPU या 4GB RAM वाले Raspberry Pi 4 पर alpaca मॉडल चलाने के लिए कर सकते हैं। इसके अलावा, आप Alpaca-LoRA-Serve का उपयोग नीचे दिखाए अनुसार ChatGPT-स्टाइल इंटरफेस बनाने के लिए कर सकते हैं। 

संसाधन:

• GitHub: tloen/alpaca-lora
• मॉडल कार्ड: tloen/alpaca-lora-7b
• Hugging Face डेमो: Alpaca-LoRA-Serve
• ChatGPT-स्टाइल इंटरफेस: Alpaca-LoRA-Serve
• Alpaca डेटासेट: AlpacaDataCleaned

3. LangChain और ChatGPT के साथ PDF इंटरेक्शन का स्वचालन

LangChain के PDF लोडर, OpenAI Embeddings, और GPT-3.5 का उपयोग करके अपना ChatPDF क्लोन बनाएं। आप ऐसा चैटबॉट बनाएँगे जो आपकी किताब, कानूनी दस्तावेज़, और अन्य महत्वपूर्ण PDF दस्तावेज़ों से संवाद कर सके।

उपयोग के मामले:

यह प्रोजेक्ट रिसर्च पेपर्स, कानूनी कॉन्ट्रैक्ट्स या वित्तीय रिपोर्ट्स जैसे दस्तावेज़-आधारित वर्कफ़्लो को स्वचालित करने में सहायक है। आप ऐसा चैटबॉट बना सकते हैं जो PDF दस्तावेज़ों के बारे में विशिष्ट प्रश्नों का उत्तर दे, जो कानून, अकादमिक जगत या बिज़नेस इंटेलिजेंस जैसी इंडस्ट्रीज़ में शक्तिशाली टूल हो सकता है जहाँ बड़े पैमाने पर टेक्स्ट प्रोसेसिंग आवश्यक होती है।

आप जो कौशल सीखेंगे:

• LangChain के PyPDFLoader का उपयोग कर PDF दस्तावेज़ लोड और प्रोसेस करना
• OpenAIEmbeddings के साथ एम्बेडिंग बनाना और दस्तावेज़ डेटा को वेक्टराइज़ करना
• Chroma के साथ क्वेरी हेतु वेक्टर डेटाबेस बनाना
• प्रश्नोत्तर के लिए वेक्टराइज़्ड डेटा के साथ ChatGPT को एकीकृत करना
• Gradio का उपयोग करके सरल PDF चैटबॉट इंटरफेस विकसित करना

दस्तावेज़ लोड करना

हम PDFs लोड करने और सामग्री पढ़ने के लिए LangChain डॉक्युमेंट लोडर का उपयोग करेंगे।

from langchain.document_loaders import PyPDFLoader

pdf_path = "./paper.pdf"
loader = PyPDFLoader(pdf_path)
pages = loader.load_and_split()
print(pages[0].page_content)संचालित द्वारा

एम्बेडिंग और वेक्टराइज़ेशन बनाना

हम LangChain API की OpenAIEmbeddings क्लास से एम्बेडिंग बनाएँगे। इसके बाद, इन एम्बेडिंग्स को Chroma क्लास को देंगे ताकि PDF दस्तावेज़ के लिए एक वेक्टर डेटाबेस बनाया जा सके। 

from langchain.embeddings import OpenAIEmbeddings
from langchain.vectorstores import Chroma

embeddings = OpenAIEmbeddings()
vectordb = Chroma.from_documents(pages, embedding=embeddings, persist_directory=".")

vectordb.persist()संचालित द्वारा

PDF पर क्वेरी करना

हम ChatVectorDBChain क्लास का उपयोग करके जेनरेट किए गए वेक्टर डेटाबेस के साथ ChatGPT से इंटरेक्ट करेंगे। 

from langchain.chains import ChatVectorDBChain
from langchain.llms import OpenAI

pdf_qa = ChatVectorDBChain.from_llm(
    OpenAI(temperature=0.9, model_name="gpt-3.5-turbo"),
    vectordb,
    return_source_documents=True,
)

query = "What is the VideoTaskformer?"
result = pdf_qa({"question": query, "chat_history": ""})
print("Answer:")
print(result["answer"])संचालित द्वारा

अगला कदम वीडियो ट्यूटोरियल में नहीं बताया गया है। आप Gradio फ्रेमवर्क का उपयोग करके वेब ऐप बना सकते हैं और इसे अपने सहकर्मियों और दोस्तों के साथ साझा कर सकते हैं। 

संसाधन:

• YouTube ट्यूटोरियल: LangChain और ChatGPT का उपयोग करके PDF से कैसे बात करें
• कोड सहित ब्लॉग: LangChain और ChatGPT के साथ PDF इंटरेक्शन का स्वचालन
• यह भी देखें: LangChain के साथ अपने CSV और Excel से बात करें 

4. Bing-GPT वॉयस असिस्टेंट

J.A.R.V.I.S. की तरह अपना एआई-संचालित पर्सनल असिस्टेंट बनाएं। इसके लिए आपको OpenAI API, टेक्स्ट-टू-स्पीच लाइब्रेरी, स्पीच रिकग्निशन लाइब्रेरी और जेनरेटिव एआई की आवश्यकता होगी।

उपयोग के मामले:

Bing-GPT वॉयस असिस्टेंट आवाज़ से नियंत्रित पर्सनल एआई असिस्टेंट बनाने के लिए आदर्श है जो रिमाइंडर सेट करना, प्रश्नों का उत्तर देना या स्मार्ट होम डिवाइस नियंत्रित करना जैसे कार्य संभाल सके। इस प्रोजेक्ट का विस्तार कर व्यवसायों का स्वचालन, वॉयस-आधारित कस्टमर सर्विस समाधान, या दिव्यांगजन के लिए सुलभ एआई टूल भी बनाए जा सकते हैं।

आप जो कौशल सीखेंगे:

• चैटबॉट प्रतिक्रियाएँ जनरेट करने के लिए OpenAI के API का उपयोग
• Whisper और Polly का उपयोग करके स्पीच सिंथेसिस और रिकग्निशन लागू करना
• वॉयस-आधारित इंटरेक्शन के लिए वेक वर्ड डिटेक्शन सेट करना
• EdgeGPT और ChatGPT का उपयोग कर हाइब्रिड एआई असिस्टेंट बनाना
• Python में टेक्स्ट-टू-स्पीच और वॉयस रिकग्निशन तकनीकों का एकीकरण

आवश्यक लाइब्रेरी लोड करने के बाद, आपको OpenAI API कुंजी देनी होगी:

openai.api_key = "[paste your OpenAI API key here]"संचालित द्वारा

वेक वर्ड

एआई को सक्रिय करने के लिए एक वेक वर्ड फ़ंक्शन बनाएं। इस मामले में, डेवलपर “'bing” या “gpt” का उपयोग कर रहा है।

स्पीच सिंथेसिस

स्पीच सिंथेसिस फ़ंक्शन टेक्स्ट-टू-स्पीच इन्फरेंस प्रदान करता है। आप boto3 से polly (टेक्स्ट-टू-स्पीच) एक्सेस कर सकते हैं और pydub का उपयोग करके ऑडियो चला सकते हैं।

Whisper के साथ ट्रांसक्रिप्शन

स्पीच रिकग्निशन openai/whisper द्वारा किया जाता है। आपको इसे अपने एप्लिकेशन में जोड़ने के लिए बस API को समझना होगा। 

EdgeGPT के साथ चैटबॉट

अंत में, आप acheong08/EdgeGPT और OpenAI API का उपयोग करके चैटबॉट बनाएँगे। यदि उपयोगकर्ता वेक वर्ड “bing'' बोलता है तो यह EdgeGPT मॉडल का उपयोग करेगा, अन्यथा ChatGPT मॉडल का। 

यदि आप वॉयस असिस्टेंट का और भी सरल इम्प्लीमेंटेशन ढूँढ रहे हैं, तो OpenAI Whisper, ChatGPT, TTS, और Gradio Web UI देखें। 

संसाधन:

• YouTube ट्यूटोरियल: 7 मिनट में ChatGPT और Bing वॉयस असिस्टेंट बनाएं
• GitHub: Ai-Austin/Bing-GPT-Voice-Assistant
• वैकल्पिक समाधान: youtube-stuffs/voiceGPT.ipynb

5. एक एंड-टू-एंड डेटा साइंस प्रोजेक्ट

इस प्रोजेक्ट में, हम ChatGPT का उपयोग करके एंड-टू-एंड लोन अप्रूवल क्लासिफायर एप्लीकेशंस पर काम करेंगे। हमें बस ChatGPT इंटरफेस तक पहुँच और कोड चलाने के लिए एक पर्सनल मशीन चाहिए। 

उपयोग के मामले:

यह प्रोजेक्ट उन भावी डेटा साइंटिस्ट्स के लिए बनाया गया है जो एआई का उपयोग करके एक पूर्ण रूप से कार्यशील मशीन लर्निंग पाइपलाइन बनाना चाहते हैं। आप सीखेंगे कि मशीन लर्निंग मॉडल की योजना, निष्पादन और डिप्लॉयमेंट में ChatGPT का उपयोग कैसे करें—जो किसी भी डेटा साइंस पोर्टफोलियो के लिए उत्कृष्ट जोड़ है। इस प्रोजेक्ट का उपयोग लोन अप्रूवल, चर्न प्रेडिक्शन या फ्रॉड डिटेक्शन की भविष्यवाणी के लिए करें।

आप जो कौशल सीखेंगे:

• एक्सप्लोरेटरी डेटा एनालिसिस (EDA) में ChatGPT की सहायता लेना
• फ़ीचर इंजीनियरिंग और डेटा प्रीप्रोसेसिंग कार्यों का स्वचालन
• ChatGPT की मदद से मशीन लर्निंग मॉडल बनाना और ट्यून करना
• Gradio का उपयोग करके मशीन लर्निंग वेब ऐप बनाना

प्रोजेक्ट प्लानिंग

योजना चरण में, हम डेटासेट और उससे अपनी अपेक्षाएँ बताएँगे। कभी-कभी उत्तर परफेक्ट नहीं होते, लेकिन आप फ़ॉलो-अप प्रॉम्प्ट्स देकर प्रतिक्रिया को परिष्कृत कर सकते हैं। 

इसके बाद, हम संक्षिप्त योजना का पालन शुरू करेंगे। 

एक्सप्लोरेटरी डेटा एनालिसिस (EDA) 

हम ChatGPT से ऐसा Python कोड जनरेट करने को कहेंगे जो डेटासेट लोड करे और विभिन्न विज़ुअलाइज़ेशन तकनीकों के साथ EDA चलाए। आप इससे परिणामों की व्याख्या करने के लिए भी कह सकते हैं।

फ़ीचर इंजीनियरिंग

हमने ChatGPT से फ़ीचर इंजीनियरिंग कोड लिखने को कहा, और आश्चर्यजनक रूप से इसने मौजूदा फीचर्स से दो नए फीचर बना दिए। इसका मतलब है कि एआई अब डेटासेट को अच्छी तरह समझता है। 

प्रीप्रोसेसिंग और डेटा बैलेंसिंग

हमारा डेटासेट असंतुलित है, और इस भाग में हम प्रीप्रोसेसिंग और क्लास बैलेंसिंग कोड जनरेट करने के लिए ChatGPT का उपयोग करेंगे। 

मॉडल चयन

हमने बस निर्दिष्ट मशीन-लर्निंग मॉडलों के साथ ChatGPT से मॉडल चयन कोड लिखने को कहा। कोड चलाने के बाद, हम सर्वश्रेष्ठ प्रदर्शन करने वाले मॉडल का चयन करेंगे। 

हाइपरपैरामीटर ट्यूनिंग और मॉडल मूल्यांकन

प्रदर्शन सुधारने के लिए, हम ChatGPT से हाइपरपैरामीटर ट्यूनिंग और मॉडल मूल्यांकन के लिए Python कोड लिखने, और सर्वश्रेष्ठ मॉडल को सहेजने के लिए कहेंगे।

Gradio का उपयोग कर वेब ऐप बनाना

हम ChatGPT से सेव किए गए मॉडल और प्रीप्रोसेसिंग का उपयोग करके Gradio ऐप कोड लिखने को कहेंगे। एआई ने इनपुट फीचर्स और आउटपुट परिणामों को समझ लिया। परिणामस्वरूप, हमें एक पूरी तरह से कार्यशील वेब ऐप मिला। 

Spaces पर वेब ऐप डिप्लॉय करना

अंतिम चरण में, हमने ChatGPT से वेब ऐप को स्पेसेज़ पर डिप्लॉय करने के लिए कहा। इसने कुछ चरण दिए जिन्हें हम फॉलो कर कुछ ही मिनटों में डिप्लॉय कर सकते हैं। 

यह प्रोजेक्ट प्रभावी प्रॉम्प्ट लिखने के टिप्स भी सिखाएगा, जो हर क्षेत्र के लिए अहम बनते जा रहे हैं। 

संसाधन: 

• DataCamp ट्यूटोरियल: डेटा साइंस प्रोजेक्ट्स के लिए ChatGPT का उपयोग कैसे करें — एक गाइड
• Hugging Face डेमो: Loan Classifier

निष्कर्ष

जेनरेटिव एआई मॉडलों के साथ आने वाले समय की यह बस शुरुआत है। ओपन-सोर्स समुदाय ऐसे टूल्स विकसित करने में जुटा है जो आपको किसी भी प्रकार का एआई बनाने में मदद करें। आप इन टूल्स का उपयोग AGI (Artificial General Intelligence) तक बनाने के लिए भी कर सकते हैं; देखें Auto-GPT (GPT-4 को पूरी तरह स्वायत्त बनाने के लिए प्रायोगिक ओपन-सोर्स) और babyagi (एआई-संचालित टास्क मैनेजमेंट सिस्टम)। 

इस पोस्ट में, हमने ऐसे प्रोजेक्ट्स कवर किए हैं जिन्हें सभी स्तरों के लोग समझ सकते हैं और जिनके लिए शुरुआत में कम संसाधन चाहिए। ये सभी ओपन-सोर्स टूल्स, मॉडल्स, डेटासेट्स और पैकेजेज़ का उपयोग करते हैं जो किसी के लिए भी उपलब्ध हैं।

यदि आप ChatGPT में नए हैं, तो Introduction to ChatGPT कोर्स करने पर विचार करें। वैकल्पिक रूप से, यदि आप पहले से जेनरेटिव एआई से परिचित हैं, तो व्यापक डेटा साइंस के लिए ChatGPT चीट शीट की समीक्षा करके अपनी प्रॉम्प्टिंग स्किल्स में सुधार करें, या निम्नलिखित संसाधन देखें:

• हमारे Introduction to ChatGPT कोर्स से ChatGPT के साथ शुरुआत करें।
• यह उपयोगी डेटा साइंस के लिए ChatGPT प्रॉम्प्ट्स की चीट शीट डाउनलोड करें।
• इस पॉडकास्ट एपिसोड को सुनें: कैसे ChatGPT और GPT-3 वर्कफ़्लोज़ को बेहतर बना रहे हैं, ताकि समझें कि ChatGPT आपके व्यवसाय को कैसे लाभ पहुँचा सकता है।
• Whisper API पर ट्यूटोरियल
• एआई सीखना शुरू करें