Phi-3 Forest Laboratory一键部署教程3步搭建Python入门开发环境你是不是对AI大模型充满好奇想亲手试试怎么让电脑“理解”你的话甚至帮你写代码但一想到要配置复杂的环境、安装各种依赖库就觉得头大感觉还没开始就结束了。别担心今天咱们就来点不一样的。我带你用最简单的方式在云端直接“变”出一个现成的AI开发环境。你不需要懂Linux命令也不用担心Python版本冲突更不用自己吭哧吭哧地去下载几十个G的模型文件。整个过程就像在应用商店里安装一个App一样简单。我们要用的主角是Phi-3 Forest Laboratory这是一个非常轻量但能力不俗的开源大模型特别适合用来学习和入门。而我们的“应用商店”就是星图GPU平台。接下来我会手把手带你只用三步就从零搭建好一个能跑AI模型的Python学习环境并写出你的第一个AI小程序。1. 第一步在星图平台找到并启动“魔法盒子”想象一下星图平台就像一个超级电脑的仓库里面已经准备好了各种各样配置好的“电脑主机”我们叫它镜像。我们的任务就是找到一台已经装好了Phi-3模型和所有Python工具的“主机”然后开机使用。1.1 登录与镜像选择首先你需要有一个星图平台的账号。注册登录的过程很简单跟着网站引导走就行这里就不赘述了。登录成功后你会进入控制台。关键步骤来了找到“镜像”或“应用市场”相关的入口。不同平台的界面可能略有不同但核心功能都一样。在这里你会看到一个搜索框。直接在搜索框里输入“Phi-3 Forest Laboratory”。很快一个对应的镜像就会出现在列表中。通常这类为特定模型优化的镜像名字里都会包含模型名称并且会有清晰的描述比如“内置Phi-3-mini模型预装Python 3.10及常用数据科学库”。怎么选对于新手我强烈建议选择那些标题或描述里带有“一键部署”、“开箱即用”、“预配置环境”字样的镜像。这意味着一大堆繁琐的安装和配置工作平台已经帮你做好了。你选中它然后点击“部署”或“创建实例”按钮。1.2 配置与启动实例点击部署后通常会进入一个配置页面。这里你可能需要做几个简单的选择给实例起个名字比如“我的第一个AI实验室”方便自己识别。选择硬件资源关键大模型需要GPU来运行才够快。在资源类型里务必选择包含GPU的选项例如“GPU计算型”。对于Phi-3这种小模型一张中等规格的GPU比如显存8G或以上就完全足够了。平台通常会按使用时长计费选择符合你预算的规格即可。其他设置像磁盘空间、网络这些保持默认设置通常就够用了。磁盘空间建议不低于50GB给模型和你的代码留足余地。所有这些都确认无误后点击“立即创建”或类似的按钮。接下来就是等待平台为你“组装”这台云端电脑。这个过程通常需要1到3分钟。当你在实例列表里看到它的状态从“启动中”变为“运行中”时恭喜你你的专属AI开发环境已经就绪了你会获得一个访问地址通常是一个IP地址或域名和登录信息用户名和密码或密钥。2. 第二步走进你的云端工作室并验证环境环境启动好了我们得进去看看里面到底有什么确保一切工作正常。2.1 访问开发环境绝大多数AI镜像都会提供一个基于网页的集成开发环境最常见的就是Jupyter Lab或VS Code Server。这太棒了意味着你不需要在本地安装任何软件打开浏览器就能直接写代码。在你的实例管理页面找到一个叫“访问”或“Web Terminal”的按钮。点击它浏览器会打开一个新标签页这就是你的云端工作室了。第一次进入你可能需要输入登录密码通常在镜像的描述页或实例详情里能找到比如默认密码是“admin”或“123456”。登录后你会看到一个非常熟悉的文件管理器界面和代码编辑区域。2.2 快速检查“工具箱”在开始写AI程序前我们先花一分钟确认下“工具箱”是否齐全。在Jupyter Lab里你可以新建一个“Notebook”选择Python 3内核或者直接在终端里输入命令。我们主要检查三样东西Python版本在代码单元格或终端里输入python --version或python3 --version。你应该能看到类似Python 3.10.x的输出。这说明Python解释器已经妥了。关键AI库Phi-3模型通常通过transformers这个库来调用。输入pip show transformers看看是否已安装。如果已安装会显示版本信息如果没有也别慌我们可以马上安装。模型文件这是最重要的。通常部署好的镜像已经把模型文件下载并放在某个特定目录了比如/home/models/phi-3-mini。你可以通过文件浏览器导航看看或者询问镜像的文档说明。如果发现transformers库还没安装很简单在终端里运行下面这行命令一分钟内就能搞定pip install transformers torch accelerate这条命令同时安装了运行模型必需的三个核心库。3. 第三步编写并运行你的第一个AI程序环境一切正常是时候让AI和你打个招呼了我们将写一个非常简单的程序让Phi-3模型根据你的提示词生成一段文本。3.1 理解“对话”的基本原理和AI模型“对话”本质上就是你给它一段文字提示词它根据所学知识接着往下生成文字。我们写的代码就是组织好这段提示词然后调用模型API最后把模型的回复打印出来。3.2 完整的“Hello AI World”代码在你的Jupyter Lab里新建一个Python文件比如叫做first_ai_chat.py。然后把下面的代码完整地复制进去。# 导入必要的工具箱 from transformers import AutoModelForCausalLM, AutoTokenizer import torch # 1. 告诉程序我们的AI模型在哪里 # 注意这里的模型路径需要替换成你实际镜像中的路径通常文档会写明例如/home/models/phi-3-mini model_path /home/models/phi-3-mini # 请根据实际情况修改 # 2. 加载模型和分词器可以理解为模型的“翻译官” print(正在加载模型请稍候...这可能需要一点时间。) tokenizer AutoTokenizer.from_pretrained(model_path) model AutoModelForCausalLM.from_pretrained( model_path, torch_dtypetorch.float16, # 使用半精度减少显存占用跑得更快 device_mapauto, # 自动选择GPU或CPU trust_remote_codeTrue ) print(模型加载成功) # 3. 准备你想对AI说的话 # 提示词写得越清楚AI的回答通常越好 prompt 你是一个友好的AI助手。请用简单易懂的方式向一个刚刚学会运行Python程序的编程新手打声招呼并鼓励他继续学习AI。 # 4. 将文字转换成模型能理解的数字格式 inputs tokenizer(prompt, return_tensorspt).to(model.device) # 5. 让模型开始思考推理并生成回答 print(\nAI正在思考...) with torch.no_grad(): # 告诉PyTorch这里不需要计算梯度节省资源 outputs model.generate( **inputs, max_new_tokens150, # 限制新生成文字的长度避免没完没了 do_sampleTrue, # 让回答有一些随机性更自然 temperature0.7, # 控制随机性程度0.7是个不错的起点 ) # 6. 把模型生成的数字转换回我们能读的文字 response tokenizer.decode(outputs[0], skip_special_tokensTrue) # 7. 打印出完整的对话 print(\n 对话开始 ) print(response) print( 对话结束 )3.3 运行代码并查看结果保存文件后在终端里导航到文件所在目录运行python first_ai_chat.py或者直接在Jupyter Notebook的单元格里运行这些代码。第一次运行会花点时间因为模型需要完全加载到内存中。你会看到“正在加载模型”的提示稍等片刻后程序就会输出模型生成的欢迎和鼓励的话。成功了看到屏幕上AI生成的文字时你就完成了从零到一的跨越。你可以尝试修改代码中的prompt变量问它不同的问题比如“用Python写一个计算斐波那契数列的函数”或者“给我讲个笑话”看看它会如何回应。4. 下一步可以玩什么当你成功运行了第一个程序这个环境的大门就正式向你敞开了。这里有一些简单的方向供你探索深入对话尝试更复杂的多轮对话。你可以把AI的回复再作为输入让它继续回答模拟一个聊天机器人。代码助手Phi-3在代码生成和理解上表现不错。多让它帮你写一些Python小程序片段或者解释某段代码的含义。学习Python利用这个现成的环境安装jupyter或notebook包系统地学习Python语法、数据分析库如pandas, numpy等。你的代码和笔记都可以保存在云端随时随地访问。探索其他模型星图镜像市场里还有很多其他有趣的模型。熟悉了这个流程后你可以用同样的方法一键部署一个绘画AI或者语音合成模型来玩玩。总结回过头看我们其实就做了三件事在云平台点选了一个预装好的环境通过浏览器登录进去然后跑通了一段调用AI模型的Python代码。整个过程没有碰复杂的系统配置没有解决令人头疼的环境冲突所有的重心都放在了“体验AI”本身。这种一键部署的方式极大地降低了AI应用的门槛让你能把宝贵的时间和精力集中在创意和逻辑上而不是繁琐的准备工作上。希望这个小小的“Hello World”能成为你AI学习之旅的一个愉快起点。这个云端环境就在那里随时等你打开浏览器去提出下一个问题创造下一个有趣的小程序。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
Phi-3 Forest Laboratory一键部署教程：3步搭建Python入门开发环境
Phi-3 Forest Laboratory一键部署教程3步搭建Python入门开发环境你是不是对AI大模型充满好奇想亲手试试怎么让电脑“理解”你的话甚至帮你写代码但一想到要配置复杂的环境、安装各种依赖库就觉得头大感觉还没开始就结束了。别担心今天咱们就来点不一样的。我带你用最简单的方式在云端直接“变”出一个现成的AI开发环境。你不需要懂Linux命令也不用担心Python版本冲突更不用自己吭哧吭哧地去下载几十个G的模型文件。整个过程就像在应用商店里安装一个App一样简单。我们要用的主角是Phi-3 Forest Laboratory这是一个非常轻量但能力不俗的开源大模型特别适合用来学习和入门。而我们的“应用商店”就是星图GPU平台。接下来我会手把手带你只用三步就从零搭建好一个能跑AI模型的Python学习环境并写出你的第一个AI小程序。1. 第一步在星图平台找到并启动“魔法盒子”想象一下星图平台就像一个超级电脑的仓库里面已经准备好了各种各样配置好的“电脑主机”我们叫它镜像。我们的任务就是找到一台已经装好了Phi-3模型和所有Python工具的“主机”然后开机使用。1.1 登录与镜像选择首先你需要有一个星图平台的账号。注册登录的过程很简单跟着网站引导走就行这里就不赘述了。登录成功后你会进入控制台。关键步骤来了找到“镜像”或“应用市场”相关的入口。不同平台的界面可能略有不同但核心功能都一样。在这里你会看到一个搜索框。直接在搜索框里输入“Phi-3 Forest Laboratory”。很快一个对应的镜像就会出现在列表中。通常这类为特定模型优化的镜像名字里都会包含模型名称并且会有清晰的描述比如“内置Phi-3-mini模型预装Python 3.10及常用数据科学库”。怎么选对于新手我强烈建议选择那些标题或描述里带有“一键部署”、“开箱即用”、“预配置环境”字样的镜像。这意味着一大堆繁琐的安装和配置工作平台已经帮你做好了。你选中它然后点击“部署”或“创建实例”按钮。1.2 配置与启动实例点击部署后通常会进入一个配置页面。这里你可能需要做几个简单的选择给实例起个名字比如“我的第一个AI实验室”方便自己识别。选择硬件资源关键大模型需要GPU来运行才够快。在资源类型里务必选择包含GPU的选项例如“GPU计算型”。对于Phi-3这种小模型一张中等规格的GPU比如显存8G或以上就完全足够了。平台通常会按使用时长计费选择符合你预算的规格即可。其他设置像磁盘空间、网络这些保持默认设置通常就够用了。磁盘空间建议不低于50GB给模型和你的代码留足余地。所有这些都确认无误后点击“立即创建”或类似的按钮。接下来就是等待平台为你“组装”这台云端电脑。这个过程通常需要1到3分钟。当你在实例列表里看到它的状态从“启动中”变为“运行中”时恭喜你你的专属AI开发环境已经就绪了你会获得一个访问地址通常是一个IP地址或域名和登录信息用户名和密码或密钥。2. 第二步走进你的云端工作室并验证环境环境启动好了我们得进去看看里面到底有什么确保一切工作正常。2.1 访问开发环境绝大多数AI镜像都会提供一个基于网页的集成开发环境最常见的就是Jupyter Lab或VS Code Server。这太棒了意味着你不需要在本地安装任何软件打开浏览器就能直接写代码。在你的实例管理页面找到一个叫“访问”或“Web Terminal”的按钮。点击它浏览器会打开一个新标签页这就是你的云端工作室了。第一次进入你可能需要输入登录密码通常在镜像的描述页或实例详情里能找到比如默认密码是“admin”或“123456”。登录后你会看到一个非常熟悉的文件管理器界面和代码编辑区域。2.2 快速检查“工具箱”在开始写AI程序前我们先花一分钟确认下“工具箱”是否齐全。在Jupyter Lab里你可以新建一个“Notebook”选择Python 3内核或者直接在终端里输入命令。我们主要检查三样东西Python版本在代码单元格或终端里输入python --version或python3 --version。你应该能看到类似Python 3.10.x的输出。这说明Python解释器已经妥了。关键AI库Phi-3模型通常通过transformers这个库来调用。输入pip show transformers看看是否已安装。如果已安装会显示版本信息如果没有也别慌我们可以马上安装。模型文件这是最重要的。通常部署好的镜像已经把模型文件下载并放在某个特定目录了比如/home/models/phi-3-mini。你可以通过文件浏览器导航看看或者询问镜像的文档说明。如果发现transformers库还没安装很简单在终端里运行下面这行命令一分钟内就能搞定pip install transformers torch accelerate这条命令同时安装了运行模型必需的三个核心库。3. 第三步编写并运行你的第一个AI程序环境一切正常是时候让AI和你打个招呼了我们将写一个非常简单的程序让Phi-3模型根据你的提示词生成一段文本。3.1 理解“对话”的基本原理和AI模型“对话”本质上就是你给它一段文字提示词它根据所学知识接着往下生成文字。我们写的代码就是组织好这段提示词然后调用模型API最后把模型的回复打印出来。3.2 完整的“Hello AI World”代码在你的Jupyter Lab里新建一个Python文件比如叫做first_ai_chat.py。然后把下面的代码完整地复制进去。# 导入必要的工具箱 from transformers import AutoModelForCausalLM, AutoTokenizer import torch # 1. 告诉程序我们的AI模型在哪里 # 注意这里的模型路径需要替换成你实际镜像中的路径通常文档会写明例如/home/models/phi-3-mini model_path /home/models/phi-3-mini # 请根据实际情况修改 # 2. 加载模型和分词器可以理解为模型的“翻译官” print(正在加载模型请稍候...这可能需要一点时间。) tokenizer AutoTokenizer.from_pretrained(model_path) model AutoModelForCausalLM.from_pretrained( model_path, torch_dtypetorch.float16, # 使用半精度减少显存占用跑得更快 device_mapauto, # 自动选择GPU或CPU trust_remote_codeTrue ) print(模型加载成功) # 3. 准备你想对AI说的话 # 提示词写得越清楚AI的回答通常越好 prompt 你是一个友好的AI助手。请用简单易懂的方式向一个刚刚学会运行Python程序的编程新手打声招呼并鼓励他继续学习AI。 # 4. 将文字转换成模型能理解的数字格式 inputs tokenizer(prompt, return_tensorspt).to(model.device) # 5. 让模型开始思考推理并生成回答 print(\nAI正在思考...) with torch.no_grad(): # 告诉PyTorch这里不需要计算梯度节省资源 outputs model.generate( **inputs, max_new_tokens150, # 限制新生成文字的长度避免没完没了 do_sampleTrue, # 让回答有一些随机性更自然 temperature0.7, # 控制随机性程度0.7是个不错的起点 ) # 6. 把模型生成的数字转换回我们能读的文字 response tokenizer.decode(outputs[0], skip_special_tokensTrue) # 7. 打印出完整的对话 print(\n 对话开始 ) print(response) print( 对话结束 )3.3 运行代码并查看结果保存文件后在终端里导航到文件所在目录运行python first_ai_chat.py或者直接在Jupyter Notebook的单元格里运行这些代码。第一次运行会花点时间因为模型需要完全加载到内存中。你会看到“正在加载模型”的提示稍等片刻后程序就会输出模型生成的欢迎和鼓励的话。成功了看到屏幕上AI生成的文字时你就完成了从零到一的跨越。你可以尝试修改代码中的prompt变量问它不同的问题比如“用Python写一个计算斐波那契数列的函数”或者“给我讲个笑话”看看它会如何回应。4. 下一步可以玩什么当你成功运行了第一个程序这个环境的大门就正式向你敞开了。这里有一些简单的方向供你探索深入对话尝试更复杂的多轮对话。你可以把AI的回复再作为输入让它继续回答模拟一个聊天机器人。代码助手Phi-3在代码生成和理解上表现不错。多让它帮你写一些Python小程序片段或者解释某段代码的含义。学习Python利用这个现成的环境安装jupyter或notebook包系统地学习Python语法、数据分析库如pandas, numpy等。你的代码和笔记都可以保存在云端随时随地访问。探索其他模型星图镜像市场里还有很多其他有趣的模型。熟悉了这个流程后你可以用同样的方法一键部署一个绘画AI或者语音合成模型来玩玩。总结回过头看我们其实就做了三件事在云平台点选了一个预装好的环境通过浏览器登录进去然后跑通了一段调用AI模型的Python代码。整个过程没有碰复杂的系统配置没有解决令人头疼的环境冲突所有的重心都放在了“体验AI”本身。这种一键部署的方式极大地降低了AI应用的门槛让你能把宝贵的时间和精力集中在创意和逻辑上而不是繁琐的准备工作上。希望这个小小的“Hello World”能成为你AI学习之旅的一个愉快起点。这个云端环境就在那里随时等你打开浏览器去提出下一个问题创造下一个有趣的小程序。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
