ספר מתכונים לפאי: דוגמאות מעשיות עם דגמי הפאי של מיקרוסופט

פאי היא סדרה של דגמי בינה מלאכותית בקוד פתוח שפותחו על ידי מיקרוסופט.

פאי היא כיום מודל שפה קטן (SLM) החזק והיעיל ביותר מבחינת עלות, עם מדדים טובים מאוד במגוון שפות, חשיבה, יצירת טקסט/שיחה, קידוד, תמונות, אודיו וסצנריואים נוספים.

ניתן לפרוס את פאי בענן או על מכשירי קצה, וניתן לבנות בקלות יישומי בינה מלאכותית מפורטים עם כוח חישובי מוגבל.

עקבו אחרי השלבים האלה כדי להתחיל להשתמש במשאבים הללו:

1. העמיקו את המאגר: לחצו על
2. שכפלו את המאגר: git clone https://github.com/microsoft/PhiCookBook.git
3. הצטרפו לקהילת ה-Discord של AI מיקרוסופט ופגשו מומחים ומפתחים נוספים

🌐 תמיכה בריבוי שפות

נתמך באמצעות GitHub Action (אוטומטי ותמיד מעודכן)

ערבית | בנגלית | בולגרית | בורמזית (מיאנמר) | סינית (מפושטת) | סינית (מסורתית, הונג קונג) | סינית (מסורתית, מקאו) | סינית (מסורתית, טאיוואן) | קרואטית | צ'כית | דנית | הולנדית | אסטונית | פינית | צרפתית | גרמנית | יוונית | עברית | הינדי | הונגרית | אינדונזית | איטלקית | יפנית | קנדה | חמרית | קוריאנית | ליטאית | מלאית | מאליאלאם | מרתית | נפאלית | פידג'ן ניגרי | נורווגית | פרסית (פרסית) | פולנית | פורטוגזית (ברזיל) | פורטוגזית (פורטוגל) | פונז'בית (ג'רמוכי) | רומנית | רוסית | סרבית (קירילית) | סלובקית | סלובנית | ספרדית | סווהילי | שוודית | טגלוג (פיליפינית) | טמילית | טלוגו | תאית | טורקית | אוקראינית | אורדו | וייטנאמית

מעדיפים לשכפל מקומית?

מאגר זה כולל למעלה מ-50 תרגומים לשפות שונות שמגדילים משמעותית את גודל ההורדה. כדי לשכפל ללא תרגומים, השתמשו ב-checkout חסר:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/PhiCookBook.git
cd PhiCookBook
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/PhiCookBook.git
cd PhiCookBook
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

זה נותן לכם את כל מה שאתם צריכים כדי להשלים את הקורס בהורדה מהירה יותר.

תוכן העניינים

• מבוא

  • ברוכים הבאים למשפחת פאי
  • הגדרת הסביבה שלכם
  • הבנת טכנולוגיות מפתח
  • בטיחות בינה מלאכותית לדגמי פאי
  • תמיכה בחומרה של פאי
  • דגמי פאי וזמינות בפלטפורמות שונות
  • שימוש ב-Guidance-ai ובפאי
  • דגמי Marketplace ב-GitHub
  • קטלוג דגמים של Azure AI

• אינפרנס פאי בסביבות שונות

  • Hugging face
  • דגמי GitHub
  • קטלוג דגמי Microsoft Foundry
  • Ollama
  • ערכת כלים AI ל-VSCode (AITK)
  • NVIDIA NIM
  • Foundry מקומי

• אינפרנס משפחת פאי

  • אינפרנס פאי ב-iOS
  • אינפרנס פאי באנדרואיד
  • אינפרנס פאי ב-Jetson
  • אינפרנס פאי במחשב AI
  • אינפרנס פאי עם Apple MLX Framework
  • אינפרנס פאי בשרת מקומי
  • אינפרנס פאי בשרת מרוחק באמצעות AI Toolkit
  • אינפרנס פאי עם Rust
  • אינפרנס פאי--חזון במחשב מקומי
  • אינפרנס פאי עם Kaito AKS, מכולות Azure (תמיכה רשמית)

• כימות משפחת פאי

  • כימות Phi-3.5 / 4 באמצעות llama.cpp
  • כימות Phi-3.5 / 4 באמצעות תוספי בינה מלאכותית גנרטיביים ל-onnxruntime
  • כימות Phi-3.5 / 4 באמצעות Intel OpenVINO
  • כימות Phi-3.5 / 4 באמצעות Apple MLX Framework

• הערכת פאי

  • בינה מלאכותית אחראית
  • Microsoft Foundry להערכה
  • שימוש ב-Promptflow להערכה

• RAG עם Azure AI Search

  • כיצד להשתמש ב-Phi-4-mini ו-Phi-4-multimodal (RAG) עם Azure AI Search

• דוגמאות לפיתוח יישומי פאי

  • יישומי טקסט ושיחה

    • דוגמאות Phi-4
      • [📓] שיחה עם מודל Phi-4-mini ONNX
      • שיחה עם מודל ONNX מקומי Phi-4 .NET
      • אפליקציית שיחה במצב Console .NET עם Phi-4 ONNX באמצעות Semantic Kernel
    • דוגמאות Phi-3 / 3.5
      • צ'אטבוט מקומי בדפדפן באמצעות Phi3, ONNX Runtime Web ו-WebGPU
      • OpenVino Chat
      • ריבוי מודלים - אינטראקטיבי Phi-3-mini ו-OpenAI Whisper
      • MLFlow - בניית עטיפה ושימוש ב-Phi-3 עם MLFlow
      • אופטימיזציית מודל - איך לאופטימיזציית מודל Phi-3-min עבור ONNX Runtime Web עם Olive
      • אפליקציית WinUI3 עם Phi-3 mini-4k-instruct-onnx
      • אפליקציית דוגמאות הערות מבוססת AI מרובה מודלים WinUI3
      • כיוונון עדין ואינטגרציה של מודלים מותאמים אישית של Phi-3 עם Prompt flow
      • כיוונון עדין ואינטגרציה של מודלים מותאמים אישית של Phi-3 עם Prompt flow ב-Microsoft Foundry
      • הערכת מודל Phi-3 / Phi-3.5 מכוונן עדין ב-Microsoft Foundry תוך התמקדות בעקרונות AI אחראיים של מיקרוסופט
      • [📓] דוגמת חיזוי שפה Phi-3.5-mini-instruct (סינית/אנגלית)
      • Phi-3.5-Instruct WebGPU RAG Chatbot
      • שימוש ב-GPU של Windows ליצירת פתרון Prompt flow עם Phi-3.5-Instruct ONNX
      • שימוש ב-Microsoft Phi-3.5 tflite ליצירת אפליקציית Android
      • דוגמת שאלות ותשובות .NET המשתמשת במודל מקומי ONNX Phi-3 עם Microsoft.ML.OnnxRuntime
      • אפליקציית שיחת קונסולה .NET עם Semantic Kernel ו-Phi-3

  • דוגמאות מבוססות קוד Azure AI Inference SDK

    • דוגמאות Phi-4
      • [📓] יצירת קוד פרויקט באמצעות Phi-4-multimodal
    • דוגמאות Phi-3 / 3.5
      • בנה את שיחת קופילוט Visual Studio Code שלך עם משפחת Microsoft Phi-3
      • צור סוכן שיחת קופילוט Visual Studio Code מותאם אישית עם Phi-3.5 על ידי מודלים של GitHub

  • דוגמאות חשיבה מתקדמת

    • דוגמאות Phi-4
      • [📓] דוגמאות חשיבה Phi-4-mini או Phi-4
      • [📓] כיוונון עדין של Phi-4-mini-reasoning עם Microsoft Olive
      • [📓] כיוונון עדין של Phi-4-mini-reasoning עם Apple MLX
      • [📓] Phi-4-mini-reasoning עם מודלים של GitHub
      • [📓] Phi-4-mini-reasoning עם מודלים של Microsoft Foundry

  • הדגמות

    • דוגמאות Phi-4-mini מתארחות ב-Hugging Face Spaces
    • דוגמאות Phi-4-multimodal מתארחות ב-Hugging Face Spaces

  • דוגמאות ראייה

    • דוגמאות Phi-4
      • [📓] שימוש ב-Phi-4-multimodal לקריאת תמונות ויצירת קוד
    • דוגמאות Phi-3 / 3.5
      • [📓]Phi-3-vision תמונת טקסט לטקסט
      • Phi-3-vision-ONNX
      • [📓]הטמעת CLIP של Phi-3-vision
      • הדגמה: מיחזור Phi-3
      • עוזר שפה חזותית Phi-3-vision עם Phi3-Vision ו-OpenVINO
      • Phi-3 Vision Nvidia NIM
      • Phi-3 Vision OpenVino
      • [📓]Phi-3.5 Vision דוגמה רב-מסגרת או רב-תמונה
      • מודל מקומי של Phi-3 Vision ONNX באמצעות Microsoft.ML.OnnxRuntime .NET
      • מודל מקומי של Phi-3 Vision ONNX מבוסס תפריט באמצעות Microsoft.ML.OnnxRuntime .NET

  • דוגמאות ראייה-וחשיבה

    • Phi-4-Reasoning-Vision-15B
      • [📓] שימוש ב-Phi-4-Reasoning-Vision-15B לזיהוי הליכה מחוץ למעבר חציה
      • [📓] שימוש ב-Phi-4-Reasoning-Vision-15B במתמטיקה
      • [📓] שימוש ב-Phi-4-Reasoning-Vision-15B לזיהוי UI

  • דוגמאות מתמטיקה

    • דוגמאות Phi-4-Mini-Flash-Reasoning-Instruct דמו מתמטיקה עם Phi-4-Mini-Flash-Reasoning-Instruct

  • דוגמאות אודיו

    • דוגמאות Phi-4
      • [📓] חילוץ תמלולים מאודיו באמצעות Phi-4-multimodal
      • [📓] דוגמת אודיו Phi-4-multimodal
      • [📓] דוגמת תרגום דיבור Phi-4-multimodal
      • אפליקציית קונסולה .NET המשתמשת ב-Phi-4-multimodal לאנליזה של קובץ אודיו ויצירת תמלול

  • דוגמאות MOE

    • דוגמאות Phi-3 / 3.5
      • [📓] דוגמת מדיה חברתית של מודלים Phi-3.5 Mixture of Experts (MoEs)
      • [📓] בניית צינור הפקה מוגבר על ידי אחזור (RAG) עם NVIDIA NIM Phi-3 MOE, Azure AI Search ו-LlamaIndex

  • דוגמאות קריאת פונקציות

    • דוגמאות Phi-4 🆕
      • [📓] שימוש בקריאת פונקציה עם Phi-4-mini
      • [📓] שימוש בקריאת פונקציה ליצירת סוכנים מרובים עם Phi-4-mini
      • [📓] שימוש בקריאת פונקציה עם Ollama
      • [📓] שימוש בקריאת פונקציה עם ONNX

  • דוגמאות עירוב רב-מודלי

    • דוגמאות Phi-4 🆕
      • [📓] שימוש ב-Phi-4-multimodal כעיתונאי טכנולוגיה
      • אפליקציית קונסולה .NET המשתמשת ב-Phi-4-multimodal לניתוח תמונות

• כיוונון עדין של דגמי Phi

  • תסריטי כיוונון עדין
  • כיוונון עדין מול RAG
  • כיוונון עדין: להפוך את Phi-3 למומחה תעשייתי
  • כיוונון עדין של Phi-3 עם ערכת כלים ל-AI ל-VS Code
  • כיוונון עדין של Phi-3 עם שירות למידת מכונה של Azure
  • כיוונון עדין של Phi-3 עם Lora
  • כיוונון עדין של Phi-3 עם QLora
  • כיוונון עדין של Phi-3 עם Microsoft Foundry
  • כיוונון עדין של Phi-3 עם Azure ML CLI/SDK
  • כיוונון עדין עם Microsoft Olive
  • כיוונון עדין עם מעבדה מעשית Microsoft Olive
  • כיוונון עדין של Phi-3-vision עם Weights and Bias
  • כיוונון עדין של Phi-3 עם מסגרת Apple MLX
  • כיוונון עדין של Phi-3-vision (תמיכה רשמית)
  • כוונון עדין של Phi-3 עם Kaito AKS, מיכלי Azure (תמיכה רשמית)
  • כוונון עדין של Phi-3 ו-3.5 Vision

• סדנת מעשית

  • חקירת מודלים חדשניים: LLMs, SLMs, פיתוח מקומי ועוד
  • שחרור הפוטנציאל של NLP: כוונון עדין עם Microsoft Olive

• מאמרים אקדמיים ופרסומים

  • Textbooks Are All You Need II: דוח טכני של phi-1.5
  • דוח טכני של Phi-3: מודל שפה בעל יכולת גבוהה במכשירך הנייד
  • דוח טכני של Phi-4
  • דוח טכני של Phi-4-Mini: מודלים רב-מודאליים קטנים אך חזקים באמצעות תערובת של LoRAs
  • אופטימיזציה של מודלי שפה קטנים לפונקציית קריאה ברכב
  • (WhyPHI) כוונון עדין של PHI-3 למענה על שאלות רב-ברירה: מתודולוגיה, תוצאות ואתגרים
  • דוח טכני של Phi-4-הגיוני
  • דוח טכני של Phi-4-mini-הגיוני

שימוש במודלי Phi

Phi ב-Microsoft Foundry

אתה יכול ללמוד כיצד להשתמש ב-Microsoft Phi וכיצד לבנות פתרונות מקצה לקצה (E2E) במגוון ההתקנים שלך. כדי לחוות את Phi בעצמך, התחל לשחק עם המודלים ולבצע התאמות אישיות ל-Phi עבור התרחישים שלך באמצעות קטלוג מודלי AI של Microsoft Foundry Azure. ניתן ללמוד עוד ב-התחלה מהירה עם Microsoft Foundry

מגרש משחקים לכל מודל יש מגרש משחקים ייעודי לבדיקת המודל ב-Azure AI Playground.

Phi במודלי GitHub

אתה יכול ללמוד כיצד להשתמש ב-Microsoft Phi וכיצד לבנות פתרונות מקצה לקצה במגוון ההתקנים שלך. כדי לחוות את Phi בעצמך, התחל לשחק עם המודל ולבצע התאמות אישיות ל-Phi עבור התרחישים שלך באמצעות קטלוג מודלים של GitHub. ניתן ללמוד עוד ב-התחלה מהירה עם קטלוג מודלים של GitHub

מגרש משחקים לכל מודל יש מגרש משחקים ייעודי לבדיקת המודל.

Phi ב-Hugging Face

ניתן גם למצוא את המודל ב-Hugging Face

מגרש משחקים מגרש המשחקים של Hugging Chat

🎒 קורסים נוספים

הצוות שלנו מייצר קורסים נוספים! בדוק:

LangChain

Azure / Edge / MCP / סוכנים

---

סדרת AI יצירתי

---

למידה בסיסית

---

סדרת Copilot

AI אחראי

מיקרוסופט מחויבת לסייע ללקוחותינו להשתמש במוצרי ה-AI שלנו באחריות, לשתף את הלמידות שלנו ולבנות שותפויות מבוססות אמון באמצעות כלים כמו הערות שקיפות והערכות השפעה. משאבים רבים ניתן למצוא ב-https://aka.ms/RAI. הגישה של מיקרוסופט ל-AI אחראי מבוססת על עקרונות ה-AI שלנו שהם הגינות, אמינות ובטיחות, פרטיות ואבטחה, הכללה, שקיפות ולקיחת אחריות.

מודלים רחבי היקף של שפה טבעית, תמונה ודיבור - כמו אלה המשמשים בדוגמה זו - עלולים להתנהג בדרכים שאינן הוגנות, לא אמינות, או פוגעניות, ולגרום לנזקים. יש לעיין ב-הערת השקיפות של שירות Azure OpenAI כדי להתעדכן לגבי סיכונים ומגבלות. הגישה המומלצת להקטנת סיכונים אלו היא לכלול במערכת שלך מערכת בטיחות שיכולה לזהות ולמנוע התנהגות מזיקה. Azure AI Content Safety מספק שכבת הגנה עצמאית, המסוגלת לזהות תוכן מזיק שנוצר על ידי משתמשים או בינה מלאכותית ביישומים ובשירותים. Azure AI Content Safety כוללת ממשקי API לטקסט ולתמונה המאפשרים לך לזהות חומר מזיק. בתוך Microsoft Foundry, שירות ה-Content Safety מאפשר לך לצפות, לחקור ולנסות דוגמאות קוד לזיהוי תוכן מזיק במגוון מודלים. תיעוד ההתחלה המהירה הבא ינחה אותך כיצד לבצע בקשות לשירות.

היבט נוסף שיש לקחת בחשבון הוא ביצועי היישום הכוללים. ביישומים רב-מודאליים ורב-מודלים, אנו רואים בביצועים מענה לציפיות שלך ושל המשתמשים, לרבות אי-יצירת תוצאות מזיקות. חשוב להעריך את ביצועי היישום הכולל באמצעות מדרגי ביצועים, איכות, סיכון ובטיחות. יש לך גם את האפשרות ליצור ולהעריך באמצעות מדרגים מותאמים אישית.

אתה יכול להעריך את יישום הבינה המלאכותית שלך בסביבת הפיתוח שלך באמצעות Azure AI Evaluation SDK. בהתחשב במערכת נתוני בדיקה או מטרה, יצירות ה-AI הגנרטיביות שלך נמדדות כמותית באמצעות מדרגים מובנים או מדרגים מותאמים אישית שבחרת. בכדי להתחיל עם Azure AI Evaluation SDK להערכת המערכת שלך, תוכל לעקוב אחרי מדריך ההתחלה המהירה. לאחר ביצוע ריצת הערכה, תוכל להמחיש את התוצאות ב-Microsoft Foundry.

סימני מסחר

פרויקט זה עשוי להכיל סימני מסחר או לוגואים של פרויקטים, מוצרים או שירותים. שימוש מורשה בסמלי מסחר או בלוגואים של Microsoft כפוף ל-הנחיות למותג וסימני מסחר של Microsoft. שימוש בסמלי מסחר או בלוגואים של Microsoft בגרסאות שערוכו של פרויקט זה חייב לא לגרום לבלבול או לרמז על חסות של Microsoft. כל שימוש בסמלי מסחר או בלוגואים של צדדים שלישיים כפוף למדיניות אותם צדדים.

קבלת עזרה

אם נתקעת או יש לך שאלות לגבי בניית יישומי בינה מלאכותית, הצטרף:

אם יש לך משוב מוצר או שגיאות בזמן הבנייה, בקר:

---

כתב זכויות:
מסמך זה תורגם באמצעות שירות תרגום מבוסס בינה מלאכותית Co-op Translator. למרות שאנו שואפים לדיוק, יש לקחת בחשבון כי תרגומים אוטומטיים עלולים להכיל שגיאות או אי-דיוקים. יש להתייחס למסמך המקורי בשפתו כמקור הסמכותי. עבור מידע קריטי, מומלץ להשתמש בתרגום מקצועי על ידי אדם. איננו אחראים לכל הבנה שגויה או פרשנות מוטעית הנובעת משימוש בתרגום זה.