ڈیٹا سائنسدانوں کو مشین لرننگ (ML) اور ڈیٹا سائنس کے کام کے بوجھ کے لیے ایک مستقل اور دوبارہ پیدا کرنے کے قابل ماحول کی ضرورت ہے جو انحصار کو منظم کرنے کے قابل بنائے اور محفوظ ہو۔ AWS ڈیپ لرننگ کنٹینرز TensorFlow، PyTorch، اور MXNet جیسے مشترکہ فریم ورک میں ماڈلز کی تربیت اور پیش کرنے کے لیے پہلے سے تیار کردہ Docker امیجز فراہم کرتا ہے۔ اس تجربے کو بہتر بنانے کے لیے، ہم نے 2023 JupyterCon پر SageMaker اوپن سورس ڈسٹری بیوشن کے عوامی بیٹا کا اعلان کیا۔ یہ مہارت کی مختلف سطحوں کے ML ڈویلپرز میں ایک متفقہ اینڈ ٹو اینڈ ML تجربہ فراہم کرتا ہے۔ ڈویلپرز کو اب تجربات کے لیے مختلف فریم ورک کنٹینرز کے درمیان سوئچ کرنے کی ضرورت نہیں ہے، یا جب وہ مقامی JupyterLab ماحول اور SageMaker نوٹ بک سے SageMaker پر پروڈکشن جابز کی طرف جاتے ہیں۔ اوپن سورس سیج میکر ڈسٹری بیوشن ڈیٹا سائنس، ایم ایل اور ویژولائزیشن کے لیے سب سے عام پیکجز اور لائبریریوں کو سپورٹ کرتا ہے، جیسے ٹینسر فلو، پائ ٹارچ، سکِٹ لرن، پانڈاس، اور میٹپلوٹلیب۔ آپ سے کنٹینر کا استعمال شروع کر سکتے ہیں۔ ایمیزون ای سی آر پبلک گیلری آج سے شروع ہو رہا ہے۔
اس پوسٹ میں، ہم آپ کو دکھاتے ہیں کہ کس طرح آپ SageMaker اوپن سورس ڈسٹری بیوشن کو اپنے مقامی ماحول پر تیزی سے تجربہ کرنے اور آسانی سے SageMaker پر ملازمتوں کے لیے ان کو فروغ دینے کے لیے استعمال کر سکتے ہیں۔
حل جائزہ
ہماری مثال کے طور پر، ہم PyTorch کا استعمال کرتے ہوئے تصویر کی درجہ بندی کے ماڈل کی تربیت کا مظاہرہ کرتے ہیں۔ ہم استعمال کرتے ہیں KMNIST ڈیٹا سیٹ عوامی طور پر PyTorch پر دستیاب ہے۔ ہم نیورل نیٹ ورک ماڈل کو تربیت دیتے ہیں، ماڈل کی کارکردگی کو جانچتے ہیں، اور آخر میں ٹریننگ اور ٹیسٹ نقصان کو پرنٹ کرتے ہیں۔ اس مثال کے لیے مکمل نوٹ بک میں دستیاب ہے۔ سیج میکر اسٹوڈیو لیب کی مثالوں کا ذخیرہ. ہم اوپن سورس ڈسٹری بیوشن کا استعمال کرتے ہوئے مقامی لیپ ٹاپ پر تجربہ شروع کرتے ہیں، اسے منتقل کریں۔ ایمیزون سیج میکر اسٹوڈیو ایک بڑی مثال استعمال کرنے کے لیے، اور پھر نوٹ بک کو بطور نوٹ بک جاب شیڈول کریں۔
شرائط
آپ کو درج ذیل شرائط کی ضرورت ہے:
اپنے مقامی ماحول کو ترتیب دیں۔
آپ براہ راست اپنے مقامی لیپ ٹاپ پر اوپن سورس ڈسٹری بیوشن کا استعمال شروع کر سکتے ہیں۔ JupyterLab شروع کرنے کے لیے، اپنے ٹرمینل پر درج ذیل کمانڈز چلائیں:
آپ تبدیل کر سکتے ہیں ECR_IMAGE_ID
میں دستیاب تصویری ٹیگز میں سے کسی کے ساتھ ایمیزون ای سی آر پبلک گیلری، یا منتخب کریں۔ latest-gpu
اگر آپ GPU کو سپورٹ کرنے والی مشین استعمال کر رہے ہیں تو ٹیگ کریں۔
یہ کمانڈ JupyterLab شروع کرے گی اور ٹرمینل پر یو آر ایل فراہم کرے گی، جیسے http://127.0.0.1:8888/lab?token=<token>
. JupyterLab شروع کرنے کے لیے لنک کو کاپی کریں اور اسے اپنے پسندیدہ براؤزر میں درج کریں۔
اسٹوڈیو قائم کریں۔
اسٹوڈیو ML کے لیے ایک اینڈ ٹو اینڈ انٹیگریٹڈ ڈیولپمنٹ ماحول (IDE) ہے جو ڈویلپرز اور ڈیٹا سائنسدانوں کو ML ماڈلز کو پیمانے پر بنانے، تربیت دینے، تعینات کرنے اور ان کی نگرانی کرنے دیتا ہے۔ اسٹوڈیو عام فریم ورک اور پیکجز کے ساتھ فریق اول کی تصاویر کی ایک وسیع فہرست فراہم کرتا ہے، جیسے کہ ڈیٹا سائنس، ٹینسر فلو، پائ ٹارچ، اور اسپارک۔ یہ تصاویر ڈیٹا سائنسدانوں کے لیے کمپیوٹ کے لیے اپنی پسند کے فریم ورک اور مثال کی قسم کا انتخاب کرکے ایم ایل کے ساتھ شروعات کرنا آسان بناتی ہیں۔
اب آپ سٹوڈیو پر SageMaker اوپن سورس ڈسٹری بیوشن کا استعمال کر سکتے ہیں۔ اپنی تصویر لائیں خصوصیت اپنے SageMaker ڈومین میں اوپن سورس ڈسٹری بیوشن شامل کرنے کے لیے، درج ذیل مراحل کو مکمل کریں:
- اپنے اکاؤنٹ میں اوپن سورس ڈسٹری بیوشن شامل کریں۔ ایمیزون لچکدار کنٹینر رجسٹری اپنے ٹرمینل پر درج ذیل کمانڈز چلا کر (ایمیزون ای سی آر) ریپوزٹری:
- سیج میکر امیج بنائیں اور تصویر کو اسٹوڈیو ڈومین سے منسلک کریں:
- SageMaker کنسول پر، اپنے ڈومین اور موجودہ صارف پروفائل کو منتخب کرکے اسٹوڈیو لانچ کریں۔
- اختیاری طور پر، درج ذیل مراحل پر عمل کرکے اسٹوڈیو کو دوبارہ شروع کریں۔ سیج میکر اسٹوڈیو کو بند کریں اور اپ ڈیٹ کریں۔.
نوٹ بک ڈاؤن لوڈ کریں۔
نمونہ نوٹ بک مقامی طور پر سے ڈاؤن لوڈ کریں۔ GitHub repo.
IDE کی اپنی پسند میں نوٹ بک کھولیں اور انسٹال کرنے کے لیے نوٹ بک کے شروع میں ایک سیل شامل کریں۔ torchsummary
. torchsummary
پیکیج ڈسٹری بیوشن کا حصہ نہیں ہے، اور اسے نوٹ بک پر انسٹال کرنا یقینی بنائے گا کہ نوٹ بک اینڈ ٹو اینڈ چلتی ہے۔ ہم استعمال کرنے کی سفارش کرتے ہیں۔ conda
or micromamba
ماحول اور انحصار کا انتظام کرنا۔ نوٹ بک میں درج ذیل سیل کو شامل کریں اور نوٹ بک کو محفوظ کریں:
مقامی نوٹ بک پر تجربہ کریں۔
اپ لوڈ آئیکن کو منتخب کر کے جو آپ نے شروع کیا ہے اس JupyterLab UI پر نوٹ بک اپ لوڈ کریں جیسا کہ درج ذیل اسکرین شاٹ میں دکھایا گیا ہے۔
جب یہ اپ لوڈ ہو جائے تو لانچ کریں۔ cv-kmnist.ipynb
کاپی. آپ ٹارچ، میٹپلوٹلیب، یا ipywidgets جیسے کسی بھی انحصار کو انسٹال کیے بغیر سیلز کو فوری طور پر چلانا شروع کر سکتے ہیں۔
اگر آپ نے پچھلے مراحل کی پیروی کی ہے، تو آپ دیکھ سکتے ہیں کہ آپ اپنے لیپ ٹاپ سے مقامی طور پر تقسیم کا استعمال کر سکتے ہیں۔ اگلے مرحلے میں، ہم اسٹوڈیو کی خصوصیات سے فائدہ اٹھانے کے لیے اسٹوڈیو پر اسی تقسیم کا استعمال کرتے ہیں۔
تجربے کو اسٹوڈیو میں منتقل کریں (اختیاری)
اختیاری طور پر، آئیے تجربات کو اسٹوڈیو میں فروغ دیں۔ اسٹوڈیو کا ایک فائدہ یہ ہے کہ بنیادی کمپیوٹ وسائل مکمل طور پر لچکدار ہیں، اس لیے آپ آسانی سے دستیاب وسائل کو اوپر یا نیچے ڈائل کر سکتے ہیں، اور تبدیلیاں آپ کے کام میں رکاوٹ کے بغیر پس منظر میں خود بخود ہو جاتی ہیں۔ اگر آپ پہلے سے ایک ہی نوٹ بک کو کسی بڑے ڈیٹاسیٹ اور کمپیوٹ مثال پر چلانا چاہتے ہیں تو آپ اسٹوڈیو میں منتقل ہو سکتے ہیں۔
اس اسٹوڈیو UI پر جائیں جو آپ نے پہلے لانچ کیا تھا اور نوٹ بک اپ لوڈ کرنے کے لیے اپ لوڈ آئیکن کا انتخاب کریں۔
نوٹ بک لانچ کرنے کے بعد، آپ کو تصویر اور مثال کی قسم منتخب کرنے کے لیے کہا جائے گا۔ کرنل لانچر پر، منتخب کریں۔ sagemaker-runtime
تصویر کے طور پر اور ایک ml.t3.medium
مثال کے طور پر، پھر منتخب کریں منتخب کریں.
اب آپ اپنے مقامی ترقیاتی ماحول سے سٹوڈیو نوٹ بک میں نوٹ بک میں کسی تبدیلی کی ضرورت کے بغیر نوٹ بک کو اینڈ ٹو اینڈ چلا سکتے ہیں!
نوکری کے طور پر نوٹ بک کو شیڈول کریں۔
جب آپ اپنا تجربہ مکمل کر لیتے ہیں، تو SageMaker آپ کی نوٹ بک کو تیار کرنے کے لیے متعدد اختیارات فراہم کرتا ہے، جیسے کہ تربیتی ملازمتیں اور SageMaker پائپ لائنز۔ اس طرح کا ایک آپشن یہ ہے کہ نوٹ بک کو براہ راست خود کو غیر انٹرایکٹو، شیڈول کردہ نوٹ بک جاب کے طور پر چلانا ہے۔ سیج میکر نوٹ بک کی نوکریاں. مثال کے طور پر، ہو سکتا ہے کہ آپ وقتاً فوقتاً اپنے ماڈل کو دوبارہ تربیت دینا چاہیں، یا وقتاً فوقتاً آنے والے ڈیٹا کے بارے میں معلومات حاصل کریں اور اپنے اسٹیک ہولڈرز کے استعمال کے لیے رپورٹیں تیار کریں۔
اسٹوڈیو سے، نوٹ بک جاب شروع کرنے کے لیے نوٹ بک جاب آئیکن کا انتخاب کریں۔ اگر آپ نے اپنے لیپ ٹاپ پر مقامی طور پر نوٹ بک جاب ایکسٹینشن انسٹال کر رکھا ہے، تو آپ نوٹ بک کو براہ راست اپنے لیپ ٹاپ سے بھی شیڈول کر سکتے ہیں۔ دیکھیں تنصیب کی گائیڈ مقامی طور پر نوٹ بک ملازمتوں کی توسیع کو ترتیب دینے کے لیے۔
نوٹ بک جاب خود بخود اوپن سورس ڈسٹری بیوشن کی ECR امیج URI استعمال کرتی ہے، لہذا آپ نوٹ بک جاب کو براہ راست شیڈول کر سکتے ہیں۔
میں سے انتخاب کریں شیڈول پر چلائیں۔، ایک شیڈول منتخب کریں، مثال کے طور پر ہر ہفتے ہفتہ کو، اور منتخب کریں۔ بنانا. آپ بھی منتخب کرسکتے ہیں اب دوڑو اگر آپ فوری طور پر نتائج دیکھنا چاہتے ہیں۔
جب نوٹ بک کا پہلا کام مکمل ہوجاتا ہے، تو آپ اسٹوڈیو UI سے نوٹ بک کے آؤٹ پٹس کو منتخب کرکے دیکھ سکتے ہیں نوٹ بک کے تحت آؤٹ پٹ فائلیں۔.
اضافی تحفظات
عوامی طور پر دستیاب ECR امیج کو براہ راست ML ورک بوجھ کے لیے استعمال کرنے کے علاوہ، اوپن سورس ڈسٹری بیوشن درج ذیل فوائد پیش کرتا ہے:
- تصویر بنانے کے لیے استعمال ہونے والی Dockerfile ڈویلپرز کے لیے عوامی طور پر دستیاب ہے تاکہ وہ اپنی تصاویر کو دریافت کر سکیں۔ آپ اس تصویر کو بنیادی تصویر کے طور پر بھی وراثت میں لے سکتے ہیں اور دوبارہ پیدا کرنے کے قابل ماحول کے لیے اپنی مرضی کے مطابق لائبریریاں انسٹال کر سکتے ہیں۔
- اگر آپ Docker کے عادی نہیں ہیں اور اپنے JupyterLab ماحول پر کونڈا ماحول استعمال کرنے کو ترجیح دیتے ہیں، تو ہم فراہم کرتے ہیں
env.out
ہر شائع شدہ ورژن کے لیے فائل۔ آپ اپنا کونڈا ماحول بنانے کے لیے فائل میں دی گئی ہدایات کا استعمال کر سکتے ہیں جو اسی ماحول کی نقل کرے گا۔ مثال کے طور پر، CPU ماحول کی فائل دیکھیں cpu.env.out. - آپ GPU سے مطابقت رکھنے والے کام کے بوجھ جیسے گہری سیکھنے اور امیج پروسیسنگ کو چلانے کے لیے امیج کے GPU ورژن استعمال کر سکتے ہیں۔
صاف کرو
اپنے وسائل کو صاف کرنے کے لیے درج ذیل اقدامات کو مکمل کریں:
- اگر آپ نے اپنی نوٹ بک کو شیڈول کے مطابق چلانے کے لیے مقرر کیا ہے، تو شیڈول کو موقوف یا حذف کریں۔ نوٹ بک جاب کی تعریفیں مستقبل کی ملازمتوں کی ادائیگی سے بچنے کے لیے ٹیب۔
- غیر استعمال شدہ کمپیوٹ استعمال کی ادائیگی سے بچنے کے لیے تمام اسٹوڈیو ایپس کو بند کر دیں۔ دیکھیں اسٹوڈیو ایپس کو بند کریں اور اپ ڈیٹ کریں۔ ہدایات کے ل.
- اختیاری طور پر، اگر آپ نے اسٹوڈیو ڈومین بنایا ہے تو اسے حذف کریں۔
نتیجہ
ML لائف سائیکل کے مختلف مراحل میں تولیدی ماحول کو برقرار رکھنا ڈیٹا سائنسدانوں اور ڈویلپرز کے لیے سب سے بڑا چیلنج ہے۔ SageMaker اوپن سورس ڈسٹری بیوشن کے ساتھ، ہم سب سے عام ML فریم ورک اور پیکجز کے باہمی مطابقت رکھنے والے ورژن کے ساتھ ایک تصویر فراہم کرتے ہیں۔ ڈسٹری بیوشن اوپن سورس بھی ہے، جو ڈویلپرز کو پیکجز اور تعمیراتی عمل میں شفافیت فراہم کرتی ہے، جس سے ان کی اپنی تقسیم کو اپنی مرضی کے مطابق بنانا آسان ہو جاتا ہے۔
اس پوسٹ میں، ہم نے آپ کو دکھایا کہ تقسیم کو اپنے مقامی ماحول، اسٹوڈیو پر، اور آپ کی تربیتی ملازمتوں کے لیے کنٹینر کے طور پر استعمال کرنا ہے۔ یہ فیچر فی الحال پبلک بیٹا میں ہے۔ ہم آپ کی حوصلہ افزائی کرتے ہیں کہ آپ اسے آزمائیں اور اپنے تاثرات اور مسائل کا اشتراک کریں۔ عوامی GitHub ذخیرہ!
مصنفین کے بارے میں
درگا سوری۔ ایمیزون سیج میکر سروس SA ٹیم میں ایم ایل سلوشنز آرکیٹیکٹ ہے۔ وہ مشین لرننگ کو ہر کسی کے لیے قابل رسائی بنانے کا شوق رکھتی ہے۔ AWS میں اپنے 4 سالوں میں، اس نے انٹرپرائز صارفین کے لیے AI/ML پلیٹ فارم قائم کرنے میں مدد کی ہے۔ جب وہ کام نہیں کر رہی ہوتی ہے، تو اسے موٹرسائیکل کی سواری، پراسرار ناول، اور اپنی 5 سالہ ہسکی کے ساتھ لمبی سیر کرنا پسند ہے۔
کیتن وجے ورگیہ ایمیزون ویب سروسز (AWS) میں ایک سینئر سافٹ ویئر ڈویلپمنٹ انجینئر ہے۔ اس کے فوکس کے شعبے مشین لرننگ، تقسیم شدہ نظام اور اوپن سورس ہیں۔ کام سے باہر، وہ اپنا وقت خود میزبانی اور فطرت سے لطف اندوز ہونے میں گزارنا پسند کرتا ہے۔
- SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
- ای وی ایم فنانس۔ وکندریقرت مالیات کے لیے متحد انٹرفیس۔ یہاں تک رسائی حاصل کریں۔
- کوانٹم میڈیا گروپ۔ آئی آر/پی آر ایمپلیفائیڈ۔ یہاں تک رسائی حاصل کریں۔
- پلیٹوآئ اسٹریم۔ ویب 3 ڈیٹا انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://aws.amazon.com/blogs/machine-learning/get-started-with-the-open-source-amazon-sagemaker-distribution/
- : ہے
- : ہے
- : نہیں
- $UP
- 1
- 10
- 100
- 11
- 2023
- 7
- 9
- a
- ہمارے بارے میں
- قابل رسائی
- کے پار
- شامل کریں
- اس کے علاوہ
- ایڈیشنل
- فائدہ
- فوائد
- AI / ML
- تمام
- پہلے ہی
- بھی
- ایمیزون
- ایمیزون سیج میکر
- ایمیزون ویب سروسز
- ایمیزون ویب سروسز (AWS)
- an
- اور
- کا اعلان کیا ہے
- کوئی بھی
- اپلی کیشن
- ایپس
- کیا
- علاقوں
- AS
- At
- منسلک کریں
- خود کار طریقے سے
- دستیاب
- سے اجتناب
- AWS
- پس منظر
- بیس
- کی بنیاد پر
- BE
- شروع
- بیٹا
- کے درمیان
- سب سے بڑا
- براؤزر
- تعمیر
- by
- کر سکتے ہیں
- CAT
- خلیات
- چیلنجوں
- تبدیلیاں
- انتخاب
- میں سے انتخاب کریں
- منتخب کریں
- درجہ بندی
- COM
- کامن
- ہم آہنگ
- مکمل
- کمپیوٹنگ
- ترتیب
- متواتر
- کنسول
- کھپت
- کنٹینر
- کنٹینر
- تخلیق
- بنائی
- اس وقت
- اپنی مرضی کے
- گاہکوں
- اپنی مرضی کے مطابق
- اعداد و شمار
- ڈیٹا سائنس
- ڈیٹاسیٹس
- گہری
- گہری سیکھنے
- پہلے سے طے شدہ
- تعیناتی
- بیان
- ڈویلپرز
- ترقی
- مختلف
- براہ راست
- تقسیم کئے
- تقسیم شدہ نظام
- تقسیم
- میں Docker
- ڈومین
- کیا
- نیچے
- ہر ایک
- اس سے قبل
- آسان
- آسانی سے
- کے قابل بناتا ہے
- کی حوصلہ افزائی
- آخر
- آخر سے آخر تک
- انجینئر
- کو یقینی بنانے کے
- درج
- انٹرپرائز
- ماحولیات
- ماحول
- ہر کوئی
- سب
- مثال کے طور پر
- مثال کے طور پر
- موجودہ
- تجربہ
- تجربہ
- مہارت
- تلاش
- برآمد
- مدت ملازمت میں توسیع
- وسیع
- نمایاں کریں
- خصوصیات
- آراء
- فائل
- آخر
- پہلا
- توجہ مرکوز
- پیچھے پیچھے
- کے بعد
- کے لئے
- فریم ورک
- فریم ورک
- سے
- مکمل
- مکمل طور پر
- مستقبل
- پیدا
- حاصل
- GitHub کے
- GPU
- ہے
- ہونے
- he
- مدد
- اس کی
- ان
- کس طرح
- کیسے
- HTML
- HTTPS
- آئکن
- if
- تصویر
- تصویر کی درجہ بندی
- تصاویر
- فوری طور پر
- کو بہتر بنانے کے
- in
- موصولہ
- انسٹال
- نصب
- انسٹال کرنا
- مثال کے طور پر
- ہدایات
- ضم
- میں
- مسائل
- IT
- خود
- ایوب
- نوکریاں
- فوٹو
- JSON
- لیب
- لیپ ٹاپ
- بڑے
- شروع
- شروع
- سیکھنے
- آو ہم
- سطح
- لائبریریوں
- زندگی کا دورانیہ
- کی طرح
- پسند
- LINK
- لسٹ
- مقامی
- مقامی طور پر
- لاگ ان
- لانگ
- اب
- بند
- سے محبت کرتا ہے
- مشین
- مشین لرننگ
- بنا
- بنانا
- انتظام
- مینیجنگ
- matplotlib
- شاید
- منتقلی
- ML
- ماڈل
- ماڈل
- کی نگرانی
- سب سے زیادہ
- موٹر سائیکل
- منتقل
- ایک سے زیادہ
- باہمی طور پر
- اسرار
- نام
- فطرت، قدرت
- ضرورت ہے
- ضرورت ہے
- نیٹ ورک
- عصبی نیٹ ورک
- نئی
- اگلے
- نہیں
- نوٹ بک
- اب
- of
- تجویز
- on
- ایک
- کھول
- اوپن سورس
- اختیار
- آپشنز کے بھی
- or
- ہمارے
- باہر
- باہر
- خود
- پیکج
- پیکجوں کے
- pandas
- حصہ
- جذباتی
- روکنے
- ادائیگی
- کارکردگی
- مقام
- پلیٹ فارم
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- پوسٹ
- کو ترجیح دیتے ہیں
- کو ترجیح دی
- ضروریات
- پرنٹ
- نجی
- عمل
- پروسیسنگ
- پیداوار
- پروفائل
- کو فروغ دینا
- فراہم
- فراہم کرتا ہے
- فراہم کرنے
- عوامی
- عوامی طور پر
- شائع
- پش
- ازگر
- pytorch
- جلدی سے
- سفارش
- کی جگہ
- رپورٹیں
- ذخیرہ
- ضروریات
- وسائل
- نتائج کی نمائش
- رن
- چل رہا ہے
- s
- SA
- sagemaker
- سیج میکر پائپ لائنز
- اسی
- ہفتے کے روز
- محفوظ کریں
- پیمانے
- شیڈول
- شیڈول کے مطابق
- سائنس
- سائنسدانوں
- سائنٹ سیکھنا
- محفوظ بنانے
- دیکھنا
- سینئر
- سروس
- سروسز
- خدمت
- مقرر
- ترتیبات
- سیکنڈ اور
- وہ
- دکھائیں
- نمائش
- سے ظاہر ہوا
- دکھایا گیا
- سادہ
- صرف
- So
- سافٹ ویئر کی
- سوفٹ ویئر کی نشوونما
- حل
- ماخذ
- چنگاری
- خرچ
- مراحل
- اسٹیک ہولڈرز
- شروع کریں
- شروع
- شروع
- مرحلہ
- مراحل
- سٹوڈیو
- اس طرح
- کی حمایت کرتا ہے
- سوئچ کریں
- سسٹمز
- TAG
- لے لو
- ٹیم
- ٹیسسرور
- ٹرمنل
- ٹیسٹ
- کہ
- ۔
- ان
- ان
- تو
- یہ
- وہ
- اس
- وقت
- کرنے کے لئے
- آج
- مشعل
- ٹرین
- ٹریننگ
- شفافیت
- کوشش
- قسم
- ui
- بنیادی
- متحد
- غیر استعمال شدہ
- اپ ڈیٹ کریں
- اپ لوڈ کردہ
- URL
- استعمال
- استعمال کی شرائط
- استعمال کیا جاتا ہے
- رکن کا
- استعمال
- کا استعمال کرتے ہوئے
- ورژن
- لنک
- تصور
- چاہتے ہیں
- چاہتے تھے
- we
- ویب
- ویب خدمات
- ہفتے
- جب
- گے
- ساتھ
- بغیر
- کام
- کام کر
- سال
- تم
- اور
- زیفیرنیٹ