Phi는 Microsoft가 개발한 오픈 AI 모델 패밀리입니다. Phi 모델은 다양한 언어, 추론, 코딩 및 수학 벤치마크에서 동일한 크기와 그 다음 크기의 모델을 능가하는 가장 능력 있고 비용 효율적인 소형 언어 모델(SLM)입니다. Phi-3 패밀리에는 미니, 소형, 중형 및 비전 버전이 포함되어 있으며, 다양한 애플리케이션 시나리오에 맞게 다른 매개변수를 기반으로 훈련되었습니다. Microsoft의 Phi 패밀리에 대한 자세한 정보는 Phi 패밀리에 오신 것을 환영합니다 페이지를 방문하세요.
다음 단계를 따르세요:
- 저장소 포크하기: 이 페이지의 오른쪽 상단에 있는 "Fork" 버튼을 클릭하세요.
- 저장소 클론하기:
git clone https://github.com/microsoft/Phi-3CookBook.git
-
소개
- 환경 설정(✅)
- Phi 패밀리에 오신 것을 환영합니다(✅)
- 핵심 기술 이해하기(✅)
- Phi 모델의 AI 안전성(✅)
- Phi-3 하드웨어 지원(✅)
- 플랫폼별 Phi-3 모델 및 가용성(✅)
- Guidance-ai와 Phi 사용하기(✅)
- GitHub Marketplace 모델(✅)
- Azure AI 모델 카탈로그(✅)
-
빠른 시작
- GitHub 모델 카탈로그에서 Phi-3 사용하기(✅)
- Hugging face에서 Phi-3 사용하기(✅)
- OpenAI SDK와 함께 Phi-3 사용하기(✅)
- Http 요청으로 Phi-3 사용하기(✅)
- Azure AI Studio에서 Phi-3 사용하기(✅)
- Azure MaaS 또는 MaaP와 함께 Phi-3 모델 추론 사용하기(✅)
- GitHub 및 Azure AI와 함께 Azure Inference API로 Phi-3 사용하기
- Azure AI Studio에서 서버리스 API로 Phi-3 모델 배포하기(✅)
- Ollama에서 Phi-3 사용하기(✅)
-
- iOS에서 Phi-3 추론하기(✅)
- Android에서 Phi-3.5 추론하기(✅)
- Jetson에서 Phi-3 추론하기(✅)
- AI PC에서 Phi-3 추론하기(✅)
- Apple MLX Framework와 함께 Phi-3 추론하기(✅)
- 로컬 서버에서 Phi-3 추론하기(✅)
- AI Toolkit을 사용해 원격 서버에서 Phi-3 추론하기(✅)
- Rust와 함께 Phi-3 추론하기(✅)
- 로컬에서 Phi-3-Vision 추론하기(✅)
- Kaito AKS, Azure Containers(공식 지원)와 함께 Phi-3 추론하기(✅)
- Fine-tuning ONNX Runtime 모델 추론하기(✅)
-
Phi-3 파인튜닝
- 샘플 데이터 세트 다운로드 및 생성(✅)
- 파인튜닝 시나리오(✅)
- 파인튜닝 vs RAG(✅)
- Phi-3을 산업 전문가로 만들기(✅)
- AI Toolkit for VS Code로 Phi-3 파인튜닝하기(✅)
- Azure Machine Learning Service로 Phi-3 파인튜닝하기(✅)
- Lora로 Phi-3 파인튜닝하기(✅)
- QLora로 Phi-3 파인튜닝하기(✅)
- Azure AI Studio로 Phi-3 파인튜닝하기(✅)
- Azure ML CLI/SDK로 Phi-3 파인튜닝하기(✅)
- Microsoft Olive로 파인튜닝하기(✅)
- Microsoft Olive 실습 랩으로 파인튜닝하기(✅)
- Weights and Bias로 Phi-3-vision 파인튜닝하기(✅)
- Apple MLX Framework로 Phi-3 파인튜닝하기(✅)
- Phi-3-vision 파인튜닝 (공식 지원)(✅)
-
Phi-3 평가
-
Phi-3-mini를 위한 E2E 샘플
- 엔드 투 엔드 샘플 소개(✅)
- 산업 데이터를 준비하세요(✅)
- Microsoft Olive를 사용하여 프로젝트를 설계하세요(✅)
- Phi-3, ONNXRuntime Mobile 및 ONNXRuntime Generate API를 사용한 Android에서의 로컬 챗봇(✅)
- Hugging Face Space WebGPU 및 Phi-3-mini 데모 - Phi-3-mini는 사용자에게 개인적이고 강력한 챗봇 경험을 제공합니다. 시도해보세요(✅)
- Phi3, ONNX Runtime Web 및 WebGPU를 사용한 브라우저에서의 로컬 챗봇(✅)
- OpenVino Chat(✅)
- 다중 모델 - 인터랙티브 Phi-3-mini 및 OpenAI Whisper(✅)
- MLFlow - 래퍼를 구축하고 MLFlow와 함께 Phi-3 사용(✅)
- 모델 최적화 - Olive를 사용하여 ONNX Runtime Web에 대한 Phi-3-min 모델 최적화 방법(✅)
- Phi-3 mini-4k-instruct-onnx를 사용한 WinUI3 앱(✅)
- WinUI3 다중 모델 AI 지원 노트 앱 샘플(✅)
- Prompt flow와 함께 맞춤형 Phi-3 모델 미세 조정 및 통합(✅)
- Azure AI Studio에서 Prompt flow와 함께 맞춤형 Phi-3 모델 미세 조정 및 통합(✅)
- Microsoft의 책임 있는 AI 원칙에 중점을 두고 Azure AI Studio에서 미세 조정된 Phi-3 / Phi-3.5 모델 평가(✅)
- Phi-3.5-mini-instruct 언어 예측 샘플 (중국어/영어)(✅)
-
Phi-3-vision을 위한 E2E 샘플
-
Phi-3.5-MoE를 위한 E2E 샘플
-
실습 및 워크샵 샘플 Phi-3
- C# .NET 실습(✅)
- Microsoft Phi-3 Family와 함께 Visual Studio Code GitHub Copilot Chat 구축(✅)
- 로컬 RAG 파일을 사용한 Local WebGPU Phi-3 Mini RAG 챗봇 샘플(✅)
- Phi-3 ONNX 튜토리얼(✅)
- Phi-3-vision ONNX 튜토리얼(✅)
- ONNX Runtime generate() API를 사용하여 Phi-3 모델 실행(✅)
- Phi-3 ONNX 멀티 모델 LLM 채팅 UI, 이것은 채팅 데모입니다(✅)
- C# Hello Phi-3 ONNX 예제 Phi-3(✅)
- C# API Phi-3 ONNX 예제 Phi3-Vision 지원(✅)
- CodeSpace에서 C# Phi-3 샘플 실행(✅)
- Promptflow와 Azure AI Search를 사용하여 Phi-3 사용(✅)
- Windows Copilot 라이브러리를 사용한 Windows AI-PC API
-
Phi-3.5 학습
- Phi-3.5 Family의 새로운 기능(✅)
- Phi-3.5 Family 정량화(✅)
- Phi-3.5 애플리케이션 샘플
Microsoft Phi-3를 사용하고 다양한 하드웨어 장치에서 E2E 솔루션을 구축하는 방법을 배울 수 있습니다. 직접 Phi-3를 경험하려면 모델을 사용해보고 시나리오에 맞게 Phi-3를 커스터마이징하는 것으로 시작하십시오. Azure AI Foundry Azure AI Model Catalog에서 자세히 알아볼 수 있으며, Azure AI Studio 시작하기에서 더 많은 정보를 얻을 수 있습니다.
Playground 각 모델에는 모델을 테스트할 수 있는 전용 플레이그라운드가 있습니다 Azure AI Playground.
Microsoft Phi-3를 사용하고 다양한 하드웨어 장치에서 E2E 솔루션을 구축하는 방법을 배울 수 있습니다. 직접 Phi-3를 경험하려면 모델을 사용해보고 시나리오에 맞게 Phi-3를 커스터마이징하는 것으로 시작하십시오. GitHub Model Catalog에서 자세히 알아볼 수 있으며, GitHub Model Catalog 시작하기에서 더 많은 정보를 얻을 수 있습니다.
Playground 각 모델에는 모델을 테스트할 수 있는 전용 플레이그라운드가 있습니다.
Hugging Face에서도 모델을 찾을 수 있습니다.
Playground Hugging Chat playground
Note: 이 번역들은 오픈 소스 co-op-translator를 사용해 자동으로 생성되었으며, 오류나 부정확한 내용이 포함될 수 있습니다. 중요한 정보는 원본을 참조하거나 전문 번역가와 상담하는 것이 좋습니다. 번역을 추가하거나 업데이트하고 싶다면, co-op-translator 리포지토리를 참조하십시오. 간단한 명령어를 사용하여 쉽게 기여할 수 있습니다.
| 언어 | 코드 | 번역된 README 링크 | 마지막 업데이트 |
|---|---|---|---|
| 중국어 (간체) | zh | Chinese Translation | 2024-11-29 |
| 중국어 (번체) | tw | Chinese Translation | 2024-11-29 |
| 프랑스어 | fr | French Translation | 2024-11-29 |
| 일본어 | ja | Japanese Translation | 2024-11-29 |
| 한국어 | ko | Korean Translation | 2024-11-29 |
| 스페인어 | es | Spanish Translation | 2024-11-29 |
이 프로젝트에는 프로젝트, 제품 또는 서비스에 대한 상표나 로고가 포함될 수 있습니다. Microsoft 상표나 로고의 승인된 사용은 Microsoft의 상표 및 브랜드 가이드라인을 따라야 합니다. 이 프로젝트의 수정된 버전에서 Microsoft 상표나 로고를 사용하는 경우 혼란을 초래하거나 Microsoft의 후원을 암시해서는 안 됩니다. 제3자 상표나 로고의 사용은 해당 제3자의 정책을 따라야 합니다.
면책 조항: 이 문서는 기계 기반 AI 번역 서비스를 사용하여 번역되었습니다. 정확성을 위해 노력하고 있지만 자동 번역에는 오류나 부정확성이 있을 수 있습니다. 원본 문서는 해당 언어로 작성된 문서를 권위 있는 자료로 간주해야 합니다. 중요한 정보에 대해서는 전문적인 인간 번역을 권장합니다. 이 번역 사용으로 인한 오해나 오역에 대해 당사는 책임을 지지 않습니다.