آج، تخلیقی AI ماڈل متن کے خلاصے، سوال و جواب، اور تصویر اور ویڈیو کی تیاری سے مختلف کاموں کا احاطہ کرتے ہیں۔ آؤٹ پٹ کے معیار کو بہتر بنانے کے لیے، این-شارٹ لرننگ، پرامپٹ انجینئرنگ، بازیافت اگمینٹڈ جنریشن (RAG) اور ٹھیک ٹیوننگ استعمال کیا جاتا ہے. فائن ٹیوننگ آپ کو اپنے ڈومین کے مخصوص کاموں پر بہتر کارکردگی حاصل کرنے کے لیے ان جنریٹو AI ماڈلز کو ایڈجسٹ کرنے کی اجازت دیتی ہے۔
ساتھ ایمیزون سیج میکر، اب آپ اپنے Python کوڈ کی تشریح کر کے SageMaker ٹریننگ جاب چلا سکتے ہیں۔ @ریموٹ ڈیکوریٹر. SageMaker Python SDK آپ کے موجودہ ورک اسپیس ماحول، اور کسی بھی متعلقہ ڈیٹا پروسیسنگ کوڈ اور ڈیٹا سیٹس کا خود بخود ایک SageMaker ٹریننگ جاب میں ترجمہ کرتا ہے جو ٹریننگ پلیٹ فارم پر چلتا ہے۔ اس میں کوڈ کو زیادہ فطری، آبجیکٹ پر مبنی انداز میں لکھنے کا فائدہ ہے، اور پھر بھی کم سے کم تبدیلیوں کے ساتھ ریموٹ کلسٹر پر تربیتی ملازمتیں چلانے کے لیے SageMaker کی صلاحیتوں کا استعمال کرتا ہے۔
اس پوسٹ میں، ہم دکھاتے ہیں کہ کس طرح ایک کو ٹھیک کرنا ہے۔ Falcon-7B SageMaker Python SDK سے @remote decorator کا استعمال کرتے ہوئے فاؤنڈیشن ماڈلز (FM)۔ یہ بھی استعمال کرتا ہے۔ ہگنگ فیس کا پیرامیٹر موثر فائن ٹیوننگ (PEFT) لائبریری اور کوانٹائزیشن تکنیک کے ذریعے بٹ سینڈ بائٹس ٹھیک ٹیوننگ کی حمایت کرنے کے لئے. اس بلاگ میں پیش کردہ کوڈ کو دوسرے ایف ایم کو ٹھیک کرنے کے لیے بھی استعمال کیا جا سکتا ہے، جیسے للہ -2 13b.
اس ماڈل کی مکمل درستگی کی نمائندگی کو ایک یا اس سے بھی زیادہ پر میموری میں فٹ ہونے کے لیے چیلنجز ہو سکتے ہیں۔ گرافک پروسیسنگ یونٹس (GPUs) - یا اس سے بھی بڑی مثال کی ضرورت ہوسکتی ہے۔ لہذا، لاگت میں اضافہ کیے بغیر اس ماڈل کو ٹھیک کرنے کے لیے، ہم اس تکنیک کا استعمال کرتے ہیں جسے جانا جاتا ہے۔ کم رینک اڈاپٹر (QLoRA) کے ساتھ کوانٹائزڈ LLMs. QLoRA ایک موثر فائن ٹیوننگ اپروچ ہے جو بہت اچھی کارکردگی کو برقرار رکھتے ہوئے LLMs کے میموری استعمال کو کم کرتا ہے۔
@remote decorator استعمال کرنے کے فوائد
آگے جانے سے پہلے، آئیے سمجھیں کہ کس طرح ریموٹ ڈیکوریٹر SageMaker کے ساتھ کام کرتے ہوئے ڈویلپر کی پیداواری صلاحیت کو بہتر بناتا ہے:
- @remote decorator سیج میکر تخمینہ کاروں اور سیج میکر ان پٹ چینلز کی واضح درخواست کے بغیر، مقامی ازگر کوڈ کا استعمال کرتے ہوئے براہ راست تربیتی کام کو متحرک کرتا ہے۔
- SageMaker پر ڈویلپرز ٹریننگ ماڈلز کے لیے داخلے کے لیے کم رکاوٹ۔
- سوئچ کرنے کی ضرورت نہیں ہے۔ مربوط ترقیاتی ماحول (IDEs). IDE کی اپنی پسند میں کوڈ لکھنا جاری رکھیں اور SageMaker تربیتی ملازمتوں کی درخواست کریں۔
- کنٹینرز کے بارے میں جاننے کی ضرورت نہیں ہے۔ a میں انحصار فراہم کرنا جاری رکھیں
requirements.txt
اور اسے ریموٹ ڈیکوریٹر کو فراہم کریں۔
شرائط
ایک کے ساتھ AWS اکاؤنٹ کی ضرورت ہے۔ AWS شناخت اور رسائی کا انتظام (AWS IAM) کردار جس کے پاس حل کے حصے کے طور پر بنائے گئے وسائل کا انتظام کرنے کی اجازت ہے۔ تفصیلات کے لیے رجوع کریں۔ AWS اکاؤنٹ بنانا.
اس پوسٹ میں، ہم استعمال کرتے ہیں ایمیزون سیج میکر اسٹوڈیو کے ساتھ Data Science 3.0
تصویر اور ایک ml.t3.medium
تیز لانچ کی مثال۔ تاہم، آپ اپنی پسند کا کوئی بھی مربوط ترقیاتی ماحول (IDE) استعمال کر سکتے ہیں۔ آپ کو صرف اپنا سیٹ اپ کرنے کی ضرورت ہے۔ AWS کمانڈ لائن انٹرفیس (AWS CLI) اسناد درست طریقے سے۔ مزید معلومات کے لیے رجوع کریں۔ AWS CLI کو ترتیب دیں۔.
فائن ٹیوننگ کے لیے، Falcon-7B، ایک ml.g5.12xlarge
مثال اس پوسٹ میں استعمال کی گئی ہے۔ براہ کرم AWS اکاؤنٹ میں اس مثال کے لیے کافی صلاحیت کو یقینی بنائیں۔
آپ کو یہ کلون کرنے کی ضرورت ہے۔ گیتوب ذخیرہ اس پوسٹ میں دکھائے گئے حل کو نقل کرنے کے لیے۔
حل جائزہ
- Falcon-7B ماڈل کو ٹھیک کرنے کے لیے پیشگی ضروریات کو انسٹال کریں۔
- ریموٹ ڈیکوریٹر کنفیگریشنز مرتب کریں۔
- AWS سروسز FAQs پر مشتمل ڈیٹاسیٹ پر پہلے سے عمل کریں۔
- AWS سروسز کے اکثر پوچھے گئے سوالات پر Falcon-7B کو بہتر بنائیں
- AWS خدمات سے متعلق نمونہ سوالات پر فائن ٹیون ماڈلز کی جانچ کریں۔
1. Falcon-7B ماڈل کو ٹھیک کرنے کے لیے ضروری شرائط انسٹال کریں۔
نوٹ بک لانچ کریں۔ falcon-7b-qlora-remote-decorator_qa.ipynb سیج میکر اسٹوڈیو میں I کو منتخب کرکےmage as Data Science
اور دانا as Python 3
. میں مذکور تمام مطلوبہ لائبریریاں انسٹال کریں۔ requirements.txt
. لائبریریوں میں سے کچھ کو خود نوٹ بک مثال پر انسٹال کرنے کی ضرورت ہے۔ ڈیٹاسیٹ پروسیسنگ اور سیج میکر ٹریننگ جاب کو متحرک کرنے کے لیے درکار دیگر آپریشنز کو انجام دیں۔
2. ریموٹ ڈیکوریٹر کنفیگریشنز سیٹ اپ کریں۔
ایک کنفیگریشن فائل بنائیں جہاں Amazon SageMaker ٹریننگ جاب سے متعلق تمام کنفیگریشنز کی وضاحت کی گئی ہو۔ اس فائل کو @remote decorator نے ٹریننگ کا کام چلاتے ہوئے پڑھا ہے۔ اس فائل میں انحصار، تربیتی تصویر، مثال، اور تربیتی کام کے لیے استعمال کیے جانے والے عمل درآمد جیسی ترتیبات شامل ہیں۔ کنفگ فائل کے ذریعے تعاون یافتہ تمام ترتیبات کے تفصیلی حوالہ کے لیے، چیک آؤٹ کریں۔ SageMaker Python SDK کے ساتھ ڈیفالٹس کو ترتیب دینا اور استعمال کرنا.
استعمال کرنا لازمی نہیں ہے۔ config.yaml
@ریموٹ ڈیکوریٹر کے ساتھ کام کرنے کے لیے فائل۔ @remote decorator کو تمام کنفیگریشن فراہم کرنے کا یہ صرف ایک صاف ستھرا طریقہ ہے۔ یہ سیج میکر اور AWS سے متعلقہ پیرامیٹرز کو کوڈ سے باہر رکھتا ہے جس میں ٹیم کے ممبران میں استعمال ہونے والی کنفگ فائل کو ترتیب دینے کے لیے ایک وقت کی کوشش ہوتی ہے۔ تمام کنفیگریشنز کو ڈیکوریٹر آرگیومنٹس میں بھی براہ راست فراہم کیا جا سکتا ہے، لیکن اس سے پڑھنے کی اہلیت اور طویل مدت میں تبدیلیوں کی برقراری کم ہو جاتی ہے۔ نیز، کنفیگریشن فائل کو منتظم کے ذریعے بنایا جا سکتا ہے اور ماحول میں موجود تمام صارفین کے ساتھ شیئر کیا جا سکتا ہے۔
AWS سروسز FAQs پر مشتمل ڈیٹاسیٹ پر پہلے سے عمل کریں۔
اگلا مرحلہ ڈیٹاسیٹ کو لوڈ اور پری پروسیس کرنا ہے تاکہ اسے تربیتی کام کے لیے تیار کیا جا سکے۔ سب سے پہلے، آئیے ڈیٹاسیٹ پر ایک نظر ڈالیں:
یہ AWS خدمات میں سے ایک کے لیے اکثر پوچھے گئے سوالات دکھاتا ہے۔ QLoRA کے علاوہ، bitsanbytes
منجمد ایل ایل ایم کو 4 بٹ میں کوانٹائز کرنے اور منسلک کرنے کے لیے 4 بٹ درستگی میں تبدیل کرنے کے لیے استعمال کیا جاتا ہے LoRA اس پر اڈاپٹر.
FAQ کے ہر نمونے کو فوری فارمیٹ میں تبدیل کرنے کے لیے ایک پرامپٹ ٹیمپلیٹ بنائیں:
اگلا مرحلہ ان پٹس (ٹیکسٹ) کو ٹوکن آئی ڈی میں تبدیل کرنا ہے۔ یہ ایک کی طرف سے کیا جاتا ہے گلے لگانا چہرہ ٹرانسفارمرز ٹوکنائزر.
اب صرف استعمال کریں۔ prompt_template
تمام FAQ کو فوری فارمیٹ میں تبدیل کرنے اور ٹرین اور ٹیسٹ ڈیٹا سیٹس کو ترتیب دینے کا فنکشن۔
4. AWS سروسز کے عمومی سوالنامہ پر Falcon-7B کو بہتر بنائیں
اب آپ ٹریننگ اسکرپٹ تیار کر سکتے ہیں اور ٹریننگ فنکشن کی وضاحت کر سکتے ہیں۔ train_fn
اور فنکشن پر @remote decorator ڈالیں۔
تربیتی فنکشن مندرجہ ذیل کام کرتا ہے:
- ڈیٹاسیٹ کو ٹوکنائز اور ٹکڑا کرتا ہے۔
- سیٹ اپ
BitsAndBytesConfig
، جو یہ بتاتا ہے کہ ماڈل کو 4 بٹ میں لوڈ کیا جانا چاہئے لیکن جب کہ کمپیوٹیشن کو تبدیل کیا جانا چاہئےbfloat16
. - ماڈل لوڈ کریں۔
- ٹارگٹ ماڈیولز تلاش کریں اور یوٹیلیٹی طریقہ استعمال کرکے ضروری میٹرکس کو اپ ڈیٹ کریں۔
find_all_linear_names
- تخلیق کریں LoRA تشکیلات جو اپ ڈیٹ میٹرکس کی درجہ بندی کی وضاحت کرتی ہیں (
s
پیمائی کا عنصر (lora_alpha
LoRA اپ ڈیٹ میٹرکس کو لاگو کرنے کے ماڈیولز (target_modules
)، لورا تہوں کے لیے ڈراپ آؤٹ کا امکان(lora_dropout
),task_type
، وغیرہ - تربیت اور تشخیص شروع کریں۔
اور دعوت دیں۔ train_fn()
ٹیوننگ کا کام ایمیزون سیج میکر ٹریننگ کلسٹر پر چل رہا ہے۔ ٹیوننگ کا کام ختم ہونے کا انتظار کریں۔
5. AWS خدمات سے متعلق نمونہ سوالات پر عمدہ ٹیون ماڈلز کی جانچ کریں۔
اب، ماڈل پر کچھ ٹیسٹ چلانے کا وقت آگیا ہے۔ سب سے پہلے، ہم ماڈل لوڈ کرتے ہیں:
اب اصل جواب دیکھنے کے لیے ٹریننگ ڈیٹاسیٹ سے ایک نمونہ سوال لوڈ کریں اور پھر مقابلے میں جواب دیکھنے کے لیے ٹیون شدہ ماڈل سے وہی سوال پوچھیں۔
یہاں تربیتی سیٹ سے ایک سوال اور اصل جواب کا نمونہ ہے:
اب، یہی سوال Falcon-7B ماڈل کے بارے میں پوچھا جا رہا ہے:
یہ Amazon SageMaker Python SDK سے @remote decorator کا استعمال کرتے ہوئے AWS سروسز FAQ ڈیٹاسیٹ پر فائن ٹیوننگ Falcon-7B کے نفاذ کو ختم کرتا ہے۔
صفائی ستھرائی
اپنے وسائل کو صاف کرنے کے لیے درج ذیل اقدامات کو مکمل کریں:
- اضافی اخراجات اٹھانے سے بچنے کے لیے Amazon SageMaker اسٹوڈیو کی مثالیں بند کریں۔
- اپنے ایمیزون لچکدار فائل سسٹم کو صاف کریں (ایمیزون ای ایف ایس) Hugging Face کیش ڈائریکٹری کو صاف کرکے ڈائریکٹری:
نتیجہ
اس پوسٹ میں، ہم نے آپ کو دکھایا کہ کس طرح QLoRA، Hugging Face PEFT کا استعمال کرتے ہوئے Falcon-7B ماڈل کو ٹھیک کرنے کے لیے @remote decorator کی صلاحیتوں کو مؤثر طریقے سے استعمال کیا جائے۔ bitsandbtyes
ٹریننگ نوٹ بک میں اہم تبدیلیاں لاگو کیے بغیر، اور ریموٹ کلسٹر پر تربیتی ملازمتیں چلانے کے لیے Amazon SageMaker کی صلاحیتوں کا استعمال کیا۔
Falcon-7B کو ٹھیک کرنے کے لیے اس پوسٹ کے حصے کے طور پر دکھایا گیا تمام کوڈ میں دستیاب ہے۔ GitHub ذخیرہ. ذخیرہ میں ایک نوٹ بک بھی ہے جس میں دکھایا گیا ہے کہ Llama-13B کو کیسے ٹھیک کیا جائے۔
اگلے قدم کے طور پر، ہم آپ کو چیک کرنے کی ترغیب دیتے ہیں۔ @ریموٹ ڈیکوریٹر کی فعالیت اور Python SDK API اور اسے اپنی پسند کے ماحول اور IDE میں استعمال کریں۔ میں اضافی مثالیں دستیاب ہیں۔ amazon-sagemaker-مثالیں۔ آپ کو تیزی سے شروع کرنے کے لیے ذخیرہ۔ آپ درج ذیل پوسٹس کو بھی دیکھ سکتے ہیں۔
مصنفین کے بارے میں
برونو پسٹن میلان میں مقیم AWS کے لیے ایک AI/ML ماہر حل آرکیٹیکٹ ہے۔ وہ بڑے صارفین کے ساتھ کام کرتا ہے جو ان کی تکنیکی ضروریات کو گہرائی سے سمجھنے میں ان کی مدد کرتا ہے اور AI اور مشین لرننگ حل تیار کرتا ہے جو AWS Cloud اور Amazon Machine Learning Stack کا بہترین استعمال کرتے ہیں۔ اس کی مہارت میں شامل ہیں: مشین لرننگ اینڈ ٹو اینڈ، مشین لرننگ انڈسٹریلائزیشن، اور جنریٹو اے آئی۔ وہ اپنے دوستوں کے ساتھ وقت گزارنے اور نئی جگہوں کی تلاش کے ساتھ ساتھ نئی منزلوں کا سفر کرنے میں بھی لطف اندوز ہوتا ہے۔
وکیش پانڈے AWS میں ایک مشین لرننگ اسپیشلسٹ سولیوشن آرکیٹیکٹ ہے، جو مالیاتی صنعتوں کے صارفین کو جنریٹو AI اور ML پر حل تیار کرنے اور بنانے میں مدد کرتا ہے۔ کام سے باہر، وکیش کو مختلف کھانے آزمانے اور آؤٹ ڈور کھیل کھیلنے کا لطف آتا ہے۔
- SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
- پلیٹو ڈیٹا ڈاٹ نیٹ ورک ورٹیکل جنریٹو اے آئی۔ اپنے آپ کو بااختیار بنائیں۔ یہاں تک رسائی حاصل کریں۔
- پلیٹوآئ اسٹریم۔ ویب 3 انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
- پلیٹو ای ایس جی۔ آٹوموٹو / ای وی، کاربن، کلین ٹیک، توانائی ، ماحولیات، شمسی، ویسٹ مینجمنٹ یہاں تک رسائی حاصل کریں۔
- پلیٹو ہیلتھ۔ بائیوٹیک اینڈ کلینیکل ٹرائلز انٹیلی جنس۔ یہاں تک رسائی حاصل کریں۔
- چارٹ پرائم۔ ChartPrime کے ساتھ اپنے ٹریڈنگ گیم کو بلند کریں۔ یہاں تک رسائی حاصل کریں۔
- بلاک آفسیٹس۔ ماحولیاتی آفسیٹ ملکیت کو جدید بنانا۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://aws.amazon.com/blogs/machine-learning/fine-tune-falcon-7b-and-other-llms-on-amazon-sagemaker-with-remote-decorator/
- : ہے
- : ہے
- : نہیں
- :کہاں
- $UP
- 1
- 10
- 100
- 12
- 13
- 150
- 28
- 31
- 40
- 7
- 8
- 9
- a
- ہمارے بارے میں
- تک رسائی حاصل
- اکاؤنٹ
- حاصل
- کے پار
- شامل کریں
- اس کے علاوہ
- ایڈیشنل
- فائدہ
- AI
- اے آئی ماڈلز
- AI / ML
- تمام
- کی اجازت
- کی اجازت دیتا ہے
- بھی
- ایمیزون
- ایمیزون مشین لرننگ
- ایمیزون سیج میکر
- ایمیزون سیج میکر اسٹوڈیو
- ایمیزون ویب سروسز
- an
- اور
- جواب
- جواب
- کوئی بھی
- کا اطلاق کریں
- درخواست دینا
- نقطہ نظر
- نقطہ نظر
- فن تعمیر
- کیا
- دلائل
- AS
- پوچھنا
- منسلک
- At
- منسلک کریں
- اضافہ
- مصنفین
- آٹو
- خود کار طریقے سے
- دستیاب
- سے اجتناب
- AWS
- رکاوٹ
- کی بنیاد پر
- BE
- کیونکہ
- کیا جا رہا ہے
- BEST
- بڑا
- بلاگ
- bnb
- تعمیر
- لیکن
- by
- کیشے
- کر سکتے ہیں
- صلاحیتوں
- اہلیت
- چیلنجوں
- تبدیلیاں
- چیک کریں
- انتخاب
- کلینر
- صاف کرنا
- بادل
- کلسٹر
- کوڈ
- موازنہ
- حساب
- ترتیب
- کنٹینر
- پر مشتمل ہے
- جاری
- تبدیل
- تبدیل
- قیمت
- اخراجات
- سکتا ہے
- احاطہ
- بنائی
- اسناد
- اپنی مرضی کے
- گاہکوں
- اعداد و شمار
- ڈیٹا پروسیسنگ
- ڈیٹاسیٹس
- غلطی
- وضاحت
- demonstrated,en
- انحصار
- ڈیزائن
- منزلوں
- تفصیلی
- تفصیلات
- ڈیولپر
- ڈویلپرز
- ترقی
- آلہ
- مختلف
- براہ راست
- کرتا
- کیا
- نیچے
- ہر ایک
- مؤثر طریقے
- ہنر
- کوشش
- اور
- کی حوصلہ افزائی
- آخر
- انجنیئرنگ
- کو یقینی بنانے کے
- اندراج
- ماحولیات
- ماحول
- وغیرہ
- بھی
- مثال کے طور پر
- پھانسی
- موجودہ
- مہارت
- ایکسپلور
- چہرہ
- عنصر
- جھوٹی
- اکثر پوچھے جانے والے سوالات
- فاسٹ
- خصوصیات
- چند
- فائل
- مالی
- مالیاتی صنعتیں
- آخر
- ختم
- پہلا
- فٹ
- کے بعد
- کے لئے
- فارمیٹ
- ملا
- فاؤنڈیشن
- دوست
- سے
- منجمد
- مکمل
- تقریب
- مزید
- نسل
- پیداواری
- پیداواری AI۔
- حاصل
- جا
- اچھا
- GPUs
- ہے
- he
- مدد
- لہذا
- ان
- کس طرح
- کیسے
- تاہم
- HTML
- HTTP
- HTTPS
- شناختی
- شناخت
- if
- تصویر
- نفاذ
- درآمد
- کو بہتر بنانے کے
- بہتر
- بہتر ہے
- in
- شامل
- اضافہ
- صنعتوں
- معلومات
- ان پٹ
- آدانوں
- انسٹال
- نصب
- مثال کے طور پر
- ضم
- میں
- IT
- خود
- ایوب
- نوکریاں
- فوٹو
- صرف
- جانا جاتا ہے
- بڑے
- شروع
- جانیں
- سیکھنے
- دو
- لائبریریوں
- لائبریری
- کی طرح
- لائن
- ایل ایل ایم
- لوڈ
- لانگ
- دیکھو
- مشین
- مشین لرننگ
- برقرار رکھنے
- بنا
- انتظام
- لازمی
- مئی..
- اراکین
- یاد داشت
- ذکر کیا
- شاید
- ملن
- کم سے کم
- ML
- ماڈل
- ماڈل
- ماڈیول
- ماڈیولز
- زیادہ
- نام
- نام
- مقامی
- قدرتی
- ضروری
- ضرورت ہے
- ضرورت
- ضروریات
- نئی
- اگلے
- نہیں
- کوئی بھی نہیں
- نوٹ بک
- اب
- تعداد
- of
- on
- ایک
- آپریشنز
- or
- حکم
- اصل
- دیگر
- باہر
- پیداوار
- باہر
- پیرامیٹرز
- حصہ
- انجام دیں
- کارکردگی
- اجازتیں
- مقامات
- پلیٹ فارم
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- کھیل
- مہربانی کرکے
- پوسٹ
- مراسلات
- صحت سے متعلق
- تیار
- ضروریات
- پیش
- پرنٹ
- پروسیسنگ
- پیداوری
- فراہم
- فراہم کرنے
- ڈال
- ازگر
- سوال و جواب
- معیار
- سوال
- سوالات
- جلدی سے
- بے ترتیب
- رینکنگ
- پڑھیں
- تیار
- کم
- کا حوالہ دیتے ہیں
- متعلقہ
- ریموٹ
- ذخیرہ
- ضرورت
- ضروریات
- کی ضرورت ہے
- وسائل
- واپسی
- کردار
- رن
- چل رہا ہے
- چلتا ہے
- sagemaker
- اسی
- سکیلنگ
- سائنس
- اسکرپٹ
- sdk
- دیکھنا
- منتخب
- سروسز
- مقرر
- قائم کرنے
- ترتیبات
- سیٹ اپ
- کئی
- مشترکہ
- ہونا چاہئے
- نمائش
- سے ظاہر ہوا
- دکھایا گیا
- شوز
- اہم
- صرف
- ایک
- حل
- حل
- کچھ
- ماہر
- مخصوص
- خرچ کرنا۔
- اسپورٹس
- ڈھیر لگانا
- شروع کریں
- شروع
- مرحلہ
- مراحل
- ابھی تک
- سٹوڈیو
- اس طرح
- کافی
- فراہم کی
- فراہمی
- حمایت
- تائید
- سوئچ کریں
- کے نظام
- ہدف
- کاموں
- ٹیم
- ٹیم کے ارکان
- ٹیکنیکل
- تکنیک
- سانچے
- ٹیسٹ
- ٹیسٹ
- متن
- کہ
- ۔
- ان
- ان
- تو
- یہ
- اس
- کے ذریعے
- وقت
- کرنے کے لئے
- ٹوکن
- ٹوکن دینا
- مشعل
- کل
- ٹرین
- ٹریننگ
- ٹرانسفارمرز
- ٹرگر
- کی کوشش کر رہے
- سمجھ
- یونٹس
- اپ ڈیٹ کریں
- us
- استعمال
- استعمال کی شرائط
- استعمال کیا جاتا ہے
- صارفین
- استعمال
- کا استعمال کرتے ہوئے
- کی افادیت
- مختلف اقسام کے
- بہت
- ویڈیو
- انتظار
- راستہ..
- we
- ویب
- ویب خدمات
- اچھا ہے
- جس
- جبکہ
- وکیپیڈیا
- ساتھ
- بغیر
- کام
- کام کر
- کام کرتا ہے
- گا
- تحریری طور پر
- ابھی
- تم
- اور
- زیفیرنیٹ