محیط توسعه پایتون برای هوش مصنوعی

[project]
name = "ai-engineering-from-scratch"
version = "0.1.0"
requires-python = ">=3.11"                   # حداقل نیاز دوره
dependencies = [
    "numpy>=1.26",
    "matplotlib>=3.8",
    "jupyter>=1.0",
    "scikit-learn>=1.4",
]
[project.optional-dependencies]
torch = ["torch>=2.3", "torchvision>=0.18"]  # uv pip install -e ".[torch]"
llm = ["anthropic>=0.39", "openai>=1.50"]    # uv pip install -e ".[llm]"

nvidia-smi                                           # نسخه CUDA درایور
uv pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
uv pip install torch torchvision torchaudio          # ‏macOS: بیلد استاندارد با MPS
python -c "import torch; print(torch.version.cuda)"  # نسخه CUDA در PyTorch
python -c "import torch; print(torch.__version__)"   # نصب موفقیت‌آمیز بود
which python                                         # باید .venv/bin/python را نشان دهد

independent = list(weights)                          # انتساب کپی نمی‌کند
grid = [[0] * 3 for _ in range(2)]                   # نه [[0] * 3] * 2
def add_good(item, bucket=None): ...                 # هرگز bucket=[] قرار ندهید
hidden: list[int] = field(default_factory=lambda: [64, 32])
random.Random(seed).shuffle(order)                   # ژنراتور اختصاصی
sum(x * y for x, y in zip(a, b, strict=True))        # خطای ValueError در عدم تطابق طول
for epoch in range(2):
    sizes = [len(b) for b in batches(range(10), 4)]  # ژنراتور جدید در هر epoch
raise ValueError(f"label must be an integer, got {text!r}") from None
if __name__ == "__main__":                           # تست‌ها بدون دموی اصلی import می‌شوند