Buckets:
| # သင့် Argilla Instance ကို တည်ဆောက်ခြင်း[[set-up-your-argilla-instance]] | |
| Argilla ကို စတင်အသုံးပြုဖို့အတွက်၊ သင်ဟာ သင်ကိုယ်တိုင်ရဲ့ Argilla instance ကို အရင်ဆုံး တည်ဆောက်ဖို့ လိုအပ်ပါလိမ့်မယ်။ ပြီးရင် Python code ကို အသုံးပြုပြီး Argilla ကို စီမံခန့်ခွဲနိုင်ဖို့ Python SDK ကို install လုပ်ဖို့ လိုအပ်ပါလိမ့်မယ်။ | |
| ## Argilla UI ကို Deploy လုပ်ပါ | |
| သင့် Argilla instance ကို တည်ဆောက်ဖို့ အလွယ်ကူဆုံးနည်းလမ်းကတော့ Hugging Face Spaces ကနေတစ်ဆင့်ပါပဲ။ သင်ရဲ့ Argilla Space ကို ဖန်တီးဖို့ [ဒီ form](https://huggingface.co/new-space?template=argilla%2Fargilla-template-space) ကို ရိုးရှင်းစွာ လိုက်နာပါ။ နောက်ထပ် လမ်းညွှန်မှု လိုအပ်ရင် [Argilla quickstart](https://docs.argilla.io/latest/getting_started/quickstart/) ကို ကြည့်ရှုပါ။ | |
| >[!WARNING] | |
| > ⚠️ **Persistent storage** ကို ဖွင့်ထားချင်ပါလိမ့်မယ်။ ဒါမှ Space ကို ခဏရပ်ထားတာ ဒါမှမဟုတ် restart လုပ်ရင် data တွေ မပျောက်ဆုံးမှာပါ။ | |
| > ဒါကို သင့် Space ရဲ့ Settings ကနေ လုပ်ဆောင်နိုင်ပါတယ်။ | |
| Argilla အဆင်သင့်ဖြစ်ပြီး အလုပ်လုပ်နေပြီဆိုတာနဲ့၊ သင့်ရဲ့ credentials တွေနဲ့ log in ဝင်နိုင်ပါတယ်။ | |
| ## Python SDK ကို Install လုပ်ပြီး ချိတ်ဆက်ပါ | |
| အခု သင့် Python environment ဒါမှမဟုတ် notebook ကို သွားပြီး argilla library ကို install လုပ်နိုင်ပါပြီ။ | |
| `!pip install argilla` | |
| ကျွန်တော်တို့ Argilla instance နဲ့ ချိတ်ဆက်ကြရအောင်။ ဒါကိုလုပ်ဖို့ သင်ဟာ အောက်ပါအချက်အလက်တွေ လိုအပ်ပါလိမ့်မယ်။ | |
| - **သင်၏ API URL**: ဒါက Argilla run နေတဲ့ URL ပါ။ သင် Space ကို အသုံးပြုနေတယ်ဆိုရင်၊ Space ကို ဖွင့်ပါ၊ ညာဘက်အပေါ်ထောင့်က အစက်သုံးစက်ကို နှိပ်ပြီး "Embed this Space" ကို နှိပ်ပြီး **Direct URL** ကို copy လုပ်ပါ။ ဒါက `https://..hf.space` လိုမျိုး ပုံစံရှိပါလိမ့်မယ်။ | |
| - **သင်၏ API key**: သင့် key ကို ရယူဖို့၊ သင့် Argilla instance ကို log in ဝင်ပြီး "My Settings" ကို သွားကာ API key ကို copy လုပ်ပါ။ | |
| - **သင်၏ HF token**: သင့် Space က private ဖြစ်နေရင်၊ writing permissions ပါဝင်တဲ့ Access Token တစ်ခုကို သင့် Hugging Face Hub account မှာ လိုအပ်ပါလိမ့်မယ်။ | |
| ```python | |
| import argilla as rg | |
| HF_TOKEN = "..." # private spaces များအတွက်သာ | |
| client = rg.Argilla( | |
| api_url="...", | |
| api_key="...", | |
| headers={"Authorization": f"Bearer {HF_TOKEN}"}, # private spaces များအတွက်သာ | |
| ) | |
| ``` | |
| အားလုံး ကောင်းမွန်စွာ အလုပ်လုပ်နေခြင်းရှိမရှိ စစ်ဆေးဖို့အတွက် `me` ကို ကျွန်တော်တို့ ခေါ်ပါမယ်။ ဒါက ကျွန်တော်တို့ရဲ့ user ကို ပြန်ပေးသင့်ပါတယ်။ | |
| ```python | |
| client.me | |
| ``` | |
| ဒါက အလုပ်ဖြစ်တယ်ဆိုရင်၊ သင့် Argilla instance က အဆင်သင့်ဖြစ်ပြီး သင်လည်း ချိတ်ဆက်ပြီးပါပြီ! ဂုဏ်ယူပါတယ်။ | |
| အခု ကျွန်တော်တို့ရဲ့ ပထမဆုံး dataset ကို Argilla ထဲကို load လုပ်ဖို့ စတင်နိုင်ပါပြီ။ | |
| ## ဝေါဟာရ ရှင်းလင်းချက် (Glossary) | |
| * **Argilla Instance**: သင်ကိုယ်တိုင် တည်ဆောက်ပြီး run ထားသော Argilla platform ၏ သီးခြား version။ | |
| * **Python SDK (Software Development Kit)**: Python code ကို အသုံးပြု၍ Argilla API နှင့် အပြန်အလှန်ဆက်သွယ်နိုင်ရန် ကိရိယာများနှင့် library များ စုစည်းမှု။ | |
| * **Argilla UI (User Interface)**: Argilla platform ကို အသုံးပြုသူများ အပြန်အလှန်ဆက်သွယ်နိုင်သော graphical interface။ | |
| * **Deploy**: ဆော့ဖ်ဝဲလ် application တစ်ခု သို့မဟုတ် စနစ်တစ်ခုကို အသုံးပြုနိုင်ရန် တည်ဆောက်ခြင်းနှင့် စတင်လုပ်ဆောင်ခြင်း။ | |
| * **Hugging Face Spaces**: Hugging Face Hub ၏ အစိတ်အပိုင်းတစ်ခုဖြစ်ပြီး Gradio ကဲ့သို့သော library များကို အသုံးပြု၍ Machine Learning demos များကို host လုပ်ပြီး မျှဝေနိုင်သည်။ | |
| * **Space**: Hugging Face Spaces ပေါ်တွင် host လုပ်ထားသော application သို့မဟုတ် project တစ်ခု။ | |
| * **`argilla/argilla-template-space`**: Argilla Space တစ်ခုကို လျင်မြန်စွာ ဖန်တီးရန်အတွက် အသုံးပြုနိုင်သော template။ | |
| * **Persistent Storage**: Space ခဏရပ်ထားတာ သို့မဟုတ် restart လုပ်ရင်တောင် data တွေ မပျောက်ဆုံးအောင် အမြဲတမ်း သိမ်းဆည်းထားနိုင်တဲ့ storage အမျိုးအစား။ | |
| * **Credentials**: log in ဝင်ရန်အတွက် လိုအပ်သော username နှင့် password (သို့မဟုတ် API key) ကဲ့သို့သော အချက်အလက်များ။ | |
| * **Python Environment**: Python code များကို run ရန်အတွက် လိုအပ်သော Python interpreter နှင့် libraries များ အားလုံးပါဝင်သော ပတ်ဝန်းကျင်။ | |
| * **Notebook**: Jupyter Notebook သို့မဟုတ် Colab Notebook ကဲ့သို့သော interactive computing environment။ | |
| * **`!pip install argilla`**: `pip` package manager ကို အသုံးပြု၍ `argilla` library ကို Python environment ထဲသို့ install လုပ်သော command။ | |
| * **API URL (Application Programming Interface URL)**: Argilla service ၏ လိပ်စာဖြစ်ပြီး Python SDK က ၎င်းနှင့် ချိတ်ဆက်ရန် အသုံးပြုသည်။ | |
| * **`Direct URL`**: Hugging Face Space ၏ တိုက်ရိုက် URL။ | |
| * **API Key (Application Programming Interface Key)**: Argilla service သို့ authentication လုပ်ရန် အသုံးပြုသော လုံခြုံရေး token။ | |
| * **HF Token (Hugging Face Token)**: Hugging Face Hub အကောင့်အတွက် access token။ Private Spaces များ သို့မဟုတ် writing permissions လိုအပ်သည့် လုပ်ဆောင်ချက်များအတွက် အသုံးပြုသည်။ | |
| * **`writing permissions`**: Hugging Face Hub ပေါ်ရှိ repository တစ်ခုတွင် data များကို ပြောင်းလဲခြင်း သို့မဟုတ် အသစ်ထည့်သွင်းခြင်း ပြုလုပ်နိုင်သော ခွင့်ပြုချက်။ | |
| * **`import argilla as rg`**: `argilla` library ကို `rg` ဆိုသော alias ဖြင့် Python script ထဲသို့ import လုပ်ခြင်း။ | |
| * **`rg.Argilla()`**: `argilla` library ၏ client object ကို instantiate လုပ်ပြီး Argilla instance နှင့် ချိတ်ဆက်ရန် အသုံးပြုသည်။ | |
| * **`api_url` Parameter**: Argilla instance ၏ API URL ကို သတ်မှတ်သည်။ | |
| * **`api_key` Parameter**: Argilla instance ၏ API key ကို သတ်မှတ်သည်။ | |
| * **`headers` Parameter**: API request တွင် ထည့်သွင်းမည့် HTTP headers များ။ Authorization token ကို ထည့်သွင်းရန် အသုံးပြုသည်။ | |
| * **`Bearer {HF_TOKEN}`**: OAuth 2.0 protocol တွင် အသုံးပြုသော token အမျိုးအစား။ | |
| * **`client.me`**: `argilla` client object မှ လက်ရှိ login ဝင်ထားသော user အချက်အလက်များကို ရယူရန်။ | |
| * **Dataset**: AI မော်ဒယ်တွေ လေ့ကျင့်ဖို့အတွက် အသုံးပြုတဲ့ ဒေတာအစုအဝေးတစ်ခုပါ။ | |
Xet Storage Details
- Size:
- 10.4 kB
- Xet hash:
- 7f3b295f337e36b1d8738c4c5e33d50195a791ecb3f11e3390049b20a122442d
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.