فی مائیکروسافٹ کی طرف سے تیار کردہ ایک سلسلہ ہے جو اوپن سورس AI ماڈلز پر مشتمل ہے۔
فی فی الوقت سب سے طاقتور اور کم لاگت والا چھوٹا زبان ماڈل (SLM) ہے، جس نے کئی زبانوں، منطق، متن/چیٹ تخلیق، کوڈنگ، تصاویر، آڈیو اور دیگر منظرناموں میں بہترین بیچ مارکس حاصل کیے ہیں۔
آپ فی کو کلاؤڈ یا ایج ڈیوائسز پر تعینات کر سکتے ہیں، اور محدود کمپیوٹنگ طاقت کے ساتھ آسانی سے جنریٹو AI ایپلیکیشنز بنا سکتے ہیں۔
ان وسائل کو استعمال شروع کرنے کے لیے درج ذیل مراحل پر عمل کریں:
- ریپوزٹری کو فورک کریں: کلک کریں
- ریپوزٹری کو کلون کریں:
git clone https://github.com/microsoft/PhiCookBook.git - مائیکروسافٹ AI ڈسکارڈ کمیونٹی میں شامل ہوں اور ماہرین و دیگر ڈویلپرز سے ملیں
عربی | بنگالی | بلغاریائی | برمی (میانمار) | چینی (سادہ) | چینی (روایتی، ہانگ کانگ) | چینی (روایتی، میکاؤ) | چینی (روایتی، تائیوان) | کروشیائی | چیک | ڈینش | ڈچ | ایسٹونین | فنلش | فرانسیسی | جرمن | یونانی | عبرانی | ہندی | ہنگیرین | انڈونیشین | اطالوی | جاپانی | کنڑ | خمیر | کوریائی | لیتھوینین | ملائی | مالیالم | مراٹھی | نیپالی | نائجیریائی پیجین | ناروے (ناروے زبان) | فارسی (فارسی) | پولش | پرتگالی (برازیل) | پرتگالی (پرتگال) | پنجابی (گورمکھی) | رومانیائی | روسی | سربیائی (سریلیک) | سلوواک | سلووینیائی | ہسپانوی | سواحلی | سویڈش | تاگالوگ (فلپائنی) | تمل | تیلگو | تھائی | ترکی | یوکرائنی | اردو | ویتنامی
لوکل کلوننگ کو ترجیح دیں؟
یہ ریپوزٹری 50+ زبانوں میں تراجم شامل کرتی ہے جو ڈاؤن لوڈ سائز کو نمایاں طور پر بڑھاتی ہے۔ بغیر تراجم کے کلون کرنے کے لیے، sparse checkout کا استعمال کریں:
باش / میک او ایس / لینکس:
git clone --filter=blob:none --sparse https://github.com/microsoft/PhiCookBook.git cd PhiCookBook git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'کمانڈ پرامپٹ (ونڈوز):
git clone --filter=blob:none --sparse https://github.com/microsoft/PhiCookBook.git cd PhiCookBook git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"اس سے آپ کو تیزی سے ڈاؤن لوڈ کے ساتھ کورس مکمل کرنے کے لیے تمام ضروریات مل جاتی ہیں۔
-
تعارف
-
مختلف ماحول میں فی کی انفرنس
-
فی فیملی کی انفرنس
- iOS میں فی کی انفرنس
- Android میں فی کی انفرنس
- Jetson میں فی کی انفرنس
- AI پی سی میں فی کی انفرنس
- ایپل MLX فریم ورک کے ساتھ فی کی انفرنس
- لوکل سرور میں فی کی انفرنس
- AI ٹول کٹ کا استعمال کرتے ہوئے ریموٹ سرور پر فی کی انفرنس
- رسٹ کے ساتھ فی کی انفرنس
- لوکل میں فی وژن کی انفرنس
- کائٹو AKS، ایزور کنٹینرز (سرکاری سپورٹ) کے ساتھ فی کی انفرنس
-
فی کی جانچ
-
ایزور AI سرچ کے ساتھ RAG
-
Phi ایپلیکیشن ڈویلپمنٹ کے نمونے
-
متن اور چیٹ ایپلیکیشنز
- Phi-4 کے نمونے
- Phi-3 / 3.5 کے نمونے
- Phi3، ONNX Runtime Web اور WebGPU استعمال کرتے ہوئے براؤزر میں لوکل چیٹ بوٹ
- اوپن وینو چیٹ
- ملٹی ماڈل - انٹرایکٹو فی-3-منی اور اوپن اے آئی وسپر
- ایم ایل فلو - ایک ریپر بنانے اور ایم ایل فلو کے ساتھ فی-3 کا استعمال
- ماڈل کی اصلاح - فی-3-منی ماڈل کو ONNX رن ٹائم ویب کے لیے اولیو کے ساتھ کیسے بہتر بنائیں
- WinUI3 ایپ کے ساتھ Phi-3 mini-4k-instruct-onnx - WinUI3 ملٹی ماڈل AI پاورڈ نوٹس ایپ سیمپل
- حسب ضرورت فی-3 ماڈلز کو پرامپٹ فلو کے ساتھ فائن ٹیون اور انٹیگریٹ کریں
- مائیکروسافٹ فاؤنڈری میں پرامپٹ فلو کے ساتھ حسب ضرورت فی-3 ماڈلز کو فائن ٹیون اور انٹیگریٹ کریں
- مائیکروسافٹ فاؤنڈری میں مائیکروسافٹ کے ذمہ دار AI اصولوں پر توجہ دیتے ہوئے فائن ٹیون شدہ فی-3 / فی-3.5 ماڈل کا جائزہ لیں
- [📓] Phi-3.5-mini-instruct زبان کی پیش گوئی کا سیمپل (چینی/انگریزی)
- Phi-3.5-Instruct WebGPU RAG چیٹ بوٹ
- Windows GPU کا استعمال کرتے ہوئے پرامپٹ فلو حل تخلیق کرنا Phi-3.5-Instruct ONNX کے ساتھ
- مائیکروسافٹ Phi-3.5 tflite کا استعمال کرتے ہوئے اینڈرائیڈ ایپ بنائیں
- Q&A .NET مثال مقامی ONNX Phi-3 ماڈل استعمال کرتے ہوئے Microsoft.ML.OnnxRuntime
- کنسول چیٹ .NET ایپ Semantic Kernel اور Phi-3 کے ساتھ
-
ایژور AI انفرنس SDK کوڈ کی بنیاد پر نمونے
-
ایڈوانسڈ ریزننگ نمونے
-
ڈیموز
-
وژن نمونے
- Phi-4 نمونے
- Phi-3 / 3.5 نمونے
- [📓]Phi-3-vision-تصویر متن سے متن تک
- Phi-3-vision-ONNX
- [📓]Phi-3-vision CLIP ایمبیڈنگ
- ڈیمو: Phi-3 ری سائیکلنگ
- Phi-3-vision - بصری زبان کا معاون - Phi3-Vision اور OpenVINO کے ساتھ
- Phi-3 وژن Nvidia NIM
- Phi-3 وژن اوپن وینو
- [📓]Phi-3.5 وژن ملٹی فریم یا ملٹی تصویر کا سیمپل
- Phi-3 وژن لوکل ONNX ماڈل Microsoft.ML.OnnxRuntime .NET استعمال کرتے ہوئے
- مینیو پر مبنی Phi-3 وژن لوکل ONNX ماڈل Microsoft.ML.OnnxRuntime .NET استعمال کرتے ہوئے
-
ریزننگ-وژن نمونے
-
ریاضی کے نمونے
- Phi-4-Mini-Flash-Reasoning-Instruct نمونے ریاضی ڈیمو Phi-4-Mini-Flash-Reasoning-Instruct کے ساتھ
-
آڈیو نمونے
-
ماہرین کے مرکب کے نمونے (MOE)
-
فنکشن کالنگ نمونے
-
کثیرالماڈل مکسنگ نمونے
-
-
فی نمونوں کی فائن ٹیوننگ
- فائن ٹیوننگ کے مناظر
- فائن ٹیوننگ بمقابلہ RAG
- فی-3 کو صنعت کا ماہر بننے دیں
- VS کوڈ کے لیے AI ٹول کٹ کے ساتھ فی-3 کی فائن ٹیوننگ
- ایژور مشین لرننگ سروس کے ساتھ فی-3 کی فائن ٹیوننگ
- لوڑا کے ساتھ فی-3 کی فائن ٹیوننگ
- QLora کے ساتھ فی-3 کی فائن ٹیوننگ
- مائیکروسافٹ فاؤنڈری کے ساتھ فی-3 کی فائن ٹیوننگ
- ایژور ML CLI/SDK کے ساتھ فی-3 کی فائن ٹیوننگ
- مائیکروسافٹ اولیو کے ساتھ فائن ٹیوننگ
- مائیکروسافٹ اولیو ہینڈز آن لیب کے ساتھ فائن ٹیوننگ
- ویز اور بایس کے ساتھ فی-3-ویژن کی فائن ٹیوننگ
- ایپل MLX فریم ورک کے ساتھ فی-3 کی فائن ٹیوننگ
- فی-3-ویژن کی فائن ٹیوننگ (سرکاری حمایت)
- کائتو AKS کے ساتھ Phi-3 کی فائن ٹوننگ، Azure کنٹینرز (سرکاری سپورٹ)
- Phi-3 اور 3.5 وژن کی فائن ٹوننگ
-
ہینڈز آن لیب
-
علمی تحقیقی مقالات اور اشاعتیں
- کتابیں سب کچھ ہیں II: phi-1.5 تکنیکی رپورٹ
- Phi-3 تکنیکی رپورٹ: ایک اعلیٰ صلاحیت والا زبان ماڈل آپ کے فون پر مقامی طور پر
- Phi-4 تکنیکی رپورٹ
- Phi-4-Mini تکنیکی رپورٹ: کمپیکٹ لیکن طاقتور ملٹی موڈل زبان ماڈلز LoRAs کے مِکسچر کے ذریعے
- گاڑی میں فنکشن کالنگ کے لیے چھوٹے زبان ماڈلز کو بہتر بنانا
- (WhyPHI) PHI-3 کی فائن ٹوننگ برائے ملٹی پل چوائس سوالات کے جواب: طریقہ کار، نتائج، اور چیلنجز
- Phi-4-ریزننگ تکنیکی رپورٹ
- Phi-4-منی-ریزننگ تکنیکی رپورٹ
آپ سیکھ سکتے ہیں کہ Microsoft Phi کو کیسے استعمال کیا جائے اور اپنے مختلف ہارڈویئر ڈیوائسز میں E2E حل کیسے بنائیں۔ خود Phi کا تجربہ کرنے کے لیے، ماڈلز کے ساتھ کھیلنا شروع کریں اور Microsoft Foundry Azure AI Model Catalog استعمال کرتے ہوئے اپنے منظرناموں کے لیے Phi کو ذاتی بنائیں۔ آپ مزید جان سکتے ہیں Getting Started with Microsoft Foundry سے۔
پلے گراؤنڈ
ہر ماڈل کا ایک مخصوص پلے گراؤنڈ ہوتا ہے جہاں آپ ماڈل کو آزما سکتے ہیں Azure AI Playground۔
آپ سیکھ سکتے ہیں کہ Microsoft Phi کو کیسے استعمال کیا جائے اور اپنے مختلف ہارڈویئر ڈیوائسز میں E2E حل کیسے بنائیں۔ خود Phi کا تجربہ کرنے کے لیے، ماڈل کے ساتھ کھیلنا شروع کریں اور اپنے منظرناموں کے لیے Phi کو ذاتی بنانے کے لیے GitHub Model Catalog استعمال کریں۔ آپ مزید جان سکتے ہیں Getting Started with GitHub Model Catalog سے۔
پلے گراؤنڈ
ہر ماڈل کا مخصوص پلے گراؤنڈ جہاں ماڈل کو آزمایا جا سکتا ہے موجود ہے۔
آپ ماڈل کو Hugging Face پر بھی تلاش کر سکتے ہیں۔
پلے گراؤنڈ
Hugging Chat playground
ہماری ٹیم دیگر کورسز بھی تیار کرتی ہے! دیکھیں:
Microsoft اپنے صارفین کی مدد کرنے کے لیے پرعزم ہے کہ وہ ہمارے AI مصنوعات کو ذمہ داری کے ساتھ استعمال کریں، اپنی سیکھ کو شیئر کریں، اور ٹرانسپیرنسی نوٹس اور امپیکٹ اسیسمنٹس جیسے ٹولز کے ذریعے بھروسے پر مبنی شراکت داریاں قائم کریں۔ ان میں سے بہت سے وسائل https://aka.ms/RAI پر دستیاب ہیں۔
Microsoft کا ذمہ دار AI کا نظریہ ہمارے AI کے اصولوں پر مبنی ہے: انصاف، قابل اعتماد ہونا اور حفاظت، رازداری اور سیکورٹی، شمولیت، شفافیت، اور جوابدہی۔
بڑے پیمانے کے قدرتی زبان، تصویر، اور تقریر کے ماڈلز — جیسے کہ اس نمونے میں استعمال ہونے والے — ممکن ہے کہ کچھ معاملات میں ناجائز، ناقابل اعتماد، یا توہین آمیز رویہ اپنائیں، جو نقصان کا سبب بن سکتی ہے۔ براہ کرم خطرات اور حد بندیوں سے آگاہ ہونے کے لیے Azure OpenAI service Transparency note کو دیکھیں۔ ان خطرات کو کم کرنے کے لیے تجویز کردہ طریقہ یہ ہے کہ آپ اپنی آرکیٹیکچر میں ایک حفاظتی نظام شامل کریں جو نقصان دہ رویے کا پتہ لگا سکے اور اسے روک سکے۔ Azure AI Content Safety ایک آزاد حفاظتی پرت فراہم کرتا ہے، جو ایپلیکیشنز اور خدمات میں نقصان دہ صارف-بنائی گئی اور AI-بنائی گئی مواد کا پتہ لگا سکتا ہے۔ Azure AI Content Safety میں ٹیکسٹ اور امیج APIs شامل ہیں جو آپ کو نقصان دہ مواد کا پتہ لگانے کی اجازت دیتے ہیں۔ Microsoft Foundry کے اندر، Content Safety سروس آپ کو مختلف طریقوں سے نقصان دہ مواد کا پتہ لگانے کے لیے نمونہ کوڈ دیکھنے، دریافت کرنے اور آزمانے کی سہولت فراہم کرتی ہے۔ درج ذیل quickstart دستاویزات آپ کو سروس کو درخواستیں دینے کے عمل سے رہنمائی کرتی ہیں۔
ایک اور پہلو جس پر غور کرنا ضروری ہے وہ مجموعی ایپلیکیشن کی کارکردگی ہے۔ کثیر المناحل اور کثیر ماڈلز ایپلیکیشنز کے ساتھ، ہم کارکردگی سے مراد لیتے ہیں کہ نظام آپ اور آپ کے صارفین کی توقعات کے مطابق کام کرے، جس میں نقصان دہ نتائج پیدا نہ کرنا بھی شامل ہے۔ آپ کے لیے ضروری ہے کہ آپ اپنی مجموعی ایپلیکیشن کی کارکردگی کا جائزہ لیں Performance and Quality and Risk and Safety evaluators کا استعمال کرتے ہوئے۔ آپ کے پاس custom evaluators بنانے اور جانچنے کی بھی صلاحیت موجود ہے۔
آپ اپنے AI ایپلیکیشن کو اپنے ترقیاتی ماحول میں Azure AI Evaluation SDK استعمال کرکے جانچ سکتے ہیں۔ چاہے آپ کے پاس ٹیسٹ ڈیٹا سیٹ ہو یا کوئی ہدف، آپ کی جینیریٹو AI ایپلیکیشن کی تخلیقات کو بلٹ ان یا آپ کے منتخب کردہ کسٹم ایویلیویٹرز کے ذریعے مقداری طور پر ماپا جاتا ہے۔ اپنے نظام کا جائزہ لینے کے لیے azure ai evaluation sdk کے ساتھ شروع کرنے کے لیے، آپ quickstart guide کی پیروی کر سکتے ہیں۔ ایک بار جب آپ جائزہ چلائیں گے، تو آپ Microsoft Foundry میں نتائج کو بصری صورت میں دیکھ سکتے ہیں۔
یہ پروجیکٹ پروجیکٹس، مصنوعات، یا خدمات کے لیے ٹریڈ مارکس یا لوگوز پر مشتمل ہو سکتا ہے۔ Microsoft کے ٹریڈ مارکس یا لوگوز کے مجاز استعمال پر Microsoft کے ٹریڈ مارک اور برانڈ گائیڈ لائنز لاگو ہوتے ہیں اور انہیں لازمی طور پر ان قواعد کی پیروی کرنا ہوتی ہے۔ اس پروجیکٹ کے ترمیم شدہ ورژنز میں Microsoft کے ٹریڈ مارکس یا لوگوز کا استعمال الجھن پیدا نہیں کرے گا اور نہ ہی Microsoft کی اسپانسرشپ کا اشارہ دے گا۔ تیسرے فریق کے ٹریڈ مارکس یا لوگوز کا کوئی بھی استعمال ان تیسرے فریق کی پالیسیوں کے تابع ہوگا۔
اگر آپ پھنس جائیں یا AI ایپس بنانے کے بارے میں کوئی سوال ہو، تو شامل ہوں:
اگر آپ کو مصنوعات کے بارے میں تاثرات یا تعمیر کے دوران خرابیوں کا سامنا ہو، تو وزٹ کریں:
ڈسکلیمر: یہ دستاویز AI ترجمہ سروس Co-op Translator کے ذریعے ترجمہ کی گئی ہے۔ اگرچہ ہم درستگی کی کوشش کرتے ہیں، براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر یقینی باتیں ہو سکتی ہیں۔ اصل دستاویز اپنی مادری زبان میں معتبر ذریعہ سمجھی جانی چاہیے۔ اہم معلومات کے لیے پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کی ذمہ داری ہم پر عائد نہیں ہوتی۔
