เริ่มต้นที่การติดตั้ง software พื้นฐานกันก่อนเลย โดยเราสามารถติดตั้งได้ 2 วิธีใหญ่ๆ คือ

  • ติดตั้งและใช้งานผ่าน Anaconda
  • ติดตั้งและใช้งานผ่าน Python และ venv

มาดูแต่ละวิธีกัน

ซึ่งในบทความนี้เราจะทำอยู่ 3 อย่างคือ

  1. Clone Repository
  2. ติดตั้ง Environment
  3. ลอง run Jupyter lab

เริ่มกันเลย

Git Repo

ก่อนจะไปติดตั้งตัวอื่นๆ ให้เราเข้าไป clone ตัว git repo ตัวนี้มาก่อนเลย ซึ่งเราได้เตรียมไว้ให้แล้ว

GitHub - Thammasok/llm-workshop
Contribute to Thammasok/llm-workshop development by creating an account on GitHub.
GitHubThammasok
git clone https://github.com/Thammasok/llm-workshop

เมื่อ clone มาเรียบร้อยแล้ว ให้เราเข้าไปที่ llm-workshop

cd llm-workshop

ข้างในจะมีไฟล์ต่างๆ ที่จะใช้งานในบทความ series นี้

ติดตั้งและใช้งานผ่าน Anaconda

สำหรับตัวนี้จะง่ายหน่อย โดยที่เราจะติดตั้ง anaconda กันก่อนเลย

Install Anaconda

โดยเราสามารถเข้าไป download ได้ที่ https://www.anaconda.com/download มันจะให้เรากรอก email แล้วส่ง link download ไปให้ใน email ของเรา

ติดตั้งตาม document ที่ทาง anaconda ให้ไว้ได้เลย https://www.anaconda.com/docs/getting-started/anaconda/install

สร้าง Environment

ในการสร้าง Environment นั้น ให้เรา เปิด Terminal หรือ PowerShell ขั้นมาแล้วพิมพ์

conda env create -f environment.yml

ในขั้นตอนนี้เราจะต้องอยู่ใน folder ของ repo llm-workshop ที่เรา clone มาก่อนนะ

จากนั้นระบบจะติดตั้ง environment ที่กำหนดไว้ให้เรา ตอนนี้ก็รอ รอ... เพราะมันอาจจะนานหน่อย

เมื่อเรียบร้อยแล้วมันจะแสดง

done
#
# To activate this environment, use
#
#     $ conda activate llms
#
# To deactivate an active environment, use
#
#     $ conda deactive
(base) charanchai@charanchai-nutz-PC:~/Workspaces/Training/llm_eng

Terminal

สังเกตุว่า ชื่อของเราใน Terminal จะเปลี่ยนไป มันมีคำว่า (base) อยู่ข้างหน้า เพื่อบอกเราว่า เรากำลังอยู่ใน env ตัวไหน

(base) charanchai@charanchai-nutz-PC:~/Workspaces/Training/llm_eng

Activate

ถ้าเราต้องการที่จะใช้งาน Environment ให้ใช้คำสั่ง

conda activate llms

มันก็จะเปลี่ยน Environment ให้เราเลย สังเกตุที่ Terminal วงเล็บข้างหน้าจะเปลี่ยนไป

(llms) charanchai@charanchai-nutz-PC:~/Workspaces/Training/llm_engineering$

Deactivate

ถ้าเราไม่ต้องการที่จะใช้งานแล้ว หรือต้องการที่จะกลับมาที่ Environment เดิมของเรา ก็ให้ใช้คำสั่ง 

conda deactivate

มันก็จะ switch กลับมาที่ base ของเราแบบนี้

(base) charanchai@charanchai-nutz-PC:~/Workspaces/Training/llm_engineering$

การใช้งานผ่าน Anaconda จะง่ายกว่าวิธีต่อไป

ติดตั้งและใช้งานผ่าน Python และ venv

มา setup เครื่องกันก่อนเลย โดยเราจะต้องติดตั้ง software

Python

ให้เราไปติดตั้ง python กันก่อนเลย

Download Python
The official home of the Python Programming Language
Python.org

ตรวจสอบการใช้งาน

python --version

Set Environment

จากนั้นเราจะเรียกใช้งาน Python Virtual Environment (venv) เพื่อสร้างและสลับ environment ถ้าอยากได้รายละเอียดเพิ่มเติม สามารถไปอ่านที่นี้ได้ https://devhub.in.th/blog/python-virtual-environment-venv

python -m venv venv

จากนั้น ก็เปิดใช้งานมันกันเลย

source venv/bin/activate

Linux / Mac

สำหรับ PC ให้ใช้คำสั่งนี้แทน

vene\Script\activate

Windows

ถ้าเรามี (venv) เท่ากับว่าเราจะได้  (env) พร้อมใช้เรียบร้อย 

(venv) charanchai@charanchai-nutz-PC:~/Workspaces/Training/llm_engineering$

Deactivate Virtual Environment (ออกจาก venv)
เมื่อเราต้องการออกจาก venv หรือ เราอาจจะเรียกมันว่า  deactivate ให้ใช้คำสั่ง deactivate

deactivate

Install Requirements

เมื่อสลับ environment เรียบร้อยแล้ว เราก็จะ install package ต่างๆ ที่เราต้องการกันเลย ซึ่งก่อนให้เราใช้คำสั่ง

pip install -r requirement.txt

เช่นเดียวกัน ไฟล์ requirement.txt จะอยู่ใน repo llm-workshop ที่เรา clone มา ดังนั้นอย่าลืม cd เข้าไปที่โฟลเดอร์นั้นก่อนที่จะรันคำสั่งนี้นะ

รอจนติดตั้งเสร็จ

Start Jupyter Lab

เมื่อทุกอย่างถูกติดตั้งเสร็จแล้ว ก็ลองเปิด jupyter lab ขึ้นมาเลย

jupyter lab

มันจะมีหน้าเว็บ local ของ jupyter lab เปิดขึ้นมา ถ้าหากมันไม่เปิดให้ เราก็สามารถเข้าไปได้ที่ url

http://localhost:8888/lab

หรือดูที่ Terminal ได้ มันจะแสดงประมาณนี้

[I 2025-05-29 07:15:50.023 ServerApp] Serving notebooks from local directory: /home/charanchai/Workspaces/Training/llm_engineering
    0 active kernels
    Jupyter Server 2.16.0 is running at:
    http://localhost:8888/lab?token=0ec2e132676ec8768b54394c7865bbad7bc058e88f2b057e
        http://127.0.0.1:8888/lab?token=0ec2e132676ec8768b54394c7865bbad7bc058e88f2b057e

เท่านี้เราก็สามารถใช้งานได้แล้ว