Forum Replies Created
- Posts
Olá! respondi lá no outro tópico que você criou, nesse link (apenas referenciando aqui para ficar centralizado tudo num mesmo local já que se trata da mesma dúvida)
Olá, essas alterações são porque o LinkedIn está modernizando seu sistema de autenticação e adotou um padrão de mercado chamado OpenID Connect (OIDC).
Com o código do Colab que te passei na resposta anterior não está funcionando então?E essa alteração que você mencionou ter feito, deu certo?
Se ainda continuar dando erro:
Poderia me fornecer um print ou me dizer em que parte do seu código deu problema (e qual a mensagem de erro exata que apareceu? se puder dar um ctrl+C para colar aqui a mensagem exata que aparece, ou quem sabe um print do que aparece na tela).
Ou, pra ficar mais fácil, se puder compartilhar o seu Colab. Para isso clique no botão Compartilhar no topo
e deixe nessa opção de “Acesso geral” conforme imagem abaixo (e copie o link do seu Colab e cole aqui)
Que bom que conseguiu Marcos
caso volte a dar problema tente fazer o que comentei naquele outro tópico (nesse link)
Olá Marcos!
Respondi lá no outro tópico que você criou, link aqui (apenas referenciando aqui para ficar centralizado tudo num mesmo local já que se trata da mesma dúvida)
Olá Marcos!
Respondi lá no outro tópico que você criou, link aqui (apenas referenciando aqui para ficar centralizado tudo num mesmo local já que se trata da mesma dúvida)
Olá Marcos!
Se você digitou o login/senha e após dar a permissão deu esse erro ERR_CONNECTION_REFUSED então é dentro do esperado, não tem problema dar esse erro. O LinkedIn gerou um código de autorização temporário e o colocou na URL para a qual tentou te redirecionar, tudo o que você precisa fazer é “capturar” esse código manualmente.
Na URL, basta copiar o valor que aparece depois de code= e antes do &state. Esse é o seu código de autorização, e você vai usá-lo na etapa seguinte do código no Colab.
Cole esse código na variável AUTH_CODE, e continue a executar o restante, na ordem. O código completo está nesse Colab aqui
Se ficar na dúvida de como fazer, veja a aula “API do Linkedin 1“, após o minuto 12:20 é explicado isso com mais detalhes
Olá! Talvez seja algo com a sua variável template, pode ter sido reescrita ou atribuída outro valor então tente atribuir novamente para ela o valor de ChatPromptTemplate, eu testei aqui agora e funcionou. Garanta que esse trecho do seu código esteja assim:
template = ChatPromptTemplate.from_messages([
(“system”, “Você é um redator profissional”),
(“human”, “{prompt}”)
])chain_chatgpt = template | chatgpt
Olá! Verifique se o código está exatamente como do Colab aqui https://colab.research.google.com/drive/1Tbi2QkeFUVSJrWeLslnE43cBTbzEDM1w#scrollTo=q2IpNQJX0kJp
E se o problema persistir, tente usar o ngrok (mais detalhes veja a aula “Aviso sobre uso no Colab”)
Qualquer coisa compartilhe aqui seu Colab se o problema persistir
Olá André!
No Google Colab, você pode usar bibliotecas como o Diffusers (da Hugging Face) que permite gerar imagens realistas diretamente com modelos de Stable Diffusion. Ela é uma das opções mais populares e fáceis de usar para esse tipo de tarefa. O curso Domine a criação de imagens com IA explica bem como fazer isso no Colab (um exemplo é demonstrado aqui).
Outra alternativa é usar plataformas com interface gráfica de Stable Diffusion, que não exigem código. Elas são ideais se você quer resultados rápidos e com mais controle visual sobre estilo, iluminação e enquadramento. Isso é explicado no curso Imagens Avançadas com IA Generativa + Stable Diffusion. Assim, você pode escolher entre gerar as imagens diretamente via código no Colab ou criar as artes pela interface, dependendo do seu nível de familiaridade e da flexibilidade que quiser ter na criação.
Se quiser outras opções práticas de geração de imagem e sem precisar lidar com código, dê uma olhada também nas aulas 2,3,4 e 5 da seção “Imagem/vídeo para vídeo” do curso “Geração de Vídeos com Inteligência Artificial”.
Olá Joaquim! Acabei de verificar aqui, esse erro parece ser uma incompatibilidade recente com o Langchain.
Para resolver, faça assim: logo antes desse código que você enviou no print, adicione esse bloco de código: !pip install –upgrade langchain-core langchain
Após executar, o Colab vai pedir para reiniciar a sessão, portanto clique no botão de “Restart” que vai aparecer na tela. Em seguida será necessário executar novamente o bloco de código que contém os imports (necessários para executar as funções que você deseja) e rodar o bloco de código que carrega a chave de API.
Ou seja, executar nessa ordem:
!pip install –upgrade langchain-core langchain
________________________________________________
(( reinicia a sessão do Colab ))
________________________________________________
import os, getpass
os.environ[“OPENAI_API_KEY”] = getpass.getpass()
________________________________________________
from langchain_openai import ChatOpenAI
chatgpt = ChatOpenAI(model = “gpt-4o-mini”)…
________________________________________________
após isso deve dar certo, acabei de testar aqui e rodou sem erros
Olá Geilson! Isso ocorre nos 2 subnós do OpenAI ligados aos 2 nós ‘Supabase Vector Store’ (tanto do fluxo de indexação quanto do de agente)?
Quando você criou sua tabela no Supabase você deixou a dimensão igual a 3072 (valor padrão que estava no comando disponibilizado) ou alterou? Usamos 3072 devido à compatibilidade com o modelo de embedding Gemini, mas para modelos da OpenAI o valor padrão é 1536. Portanto você deve criar uma tabela especificando esse valor (alterando no comando de criação de tabela, nos dois lugares onde especifica as dimensões). Uma outra opção seria manter o 3072 como já está, mas aí dentro das configurações do nó de embedding você precisa especificar as dimensões clicando no campo “Add Option” e selecionando “Dimensions”, assim:
Se mesmo assim persistir o problema: Você consegue executar e mandar um print dos logs, que aparecem na parte inferior do painel? E também se possível abra o nó Supabase e tire print, para observar o painel de output.
Recomendo verificar também se o nó do OpenAI roda se for conectado ao Model do AI Agent (apenas para checar que a conexão com sua conta está ok). Se funcionar, seria um problema com o nó de embeddings somente.
Olá Paulo!
Qual erro está dando para você? Se estiver carregando o modelo pelo Hugging Face Hub (método “HuggingFaceEndpoint”) pode ser instabilidade no servidor, ou algum problema ao carregar com sua key.
Uma dica que temos recomendado recentemente é implementar a LLM com o serviço da Groq, que disponibiliza o Llama 4 e outros modelos modernos via API de forma gratuita também. A única linha que precisa alterar é a que chama o método da LLM. Você deve então substituir esse método do Hugging Face por: llm = ChatGroq(model=”llama-3.3-70b-versatile”, temperature=0.7, max_tokens=None, timeout=None, max_retries=2)
e antes de executar essa linha acima você precisa:
* instalar o langchain-groq, usando o comando !pip install -q langchain-groq
* fazer a importação com from langchain_groq import ChatGroq
* adicionar a Key do Groq às variáveis de ambiente, com esse comando os.environ[“GROQ_API_KEY”] = getpass.getpass()
e aí no campo que aparecer você cola a key
Para criar API do Groq
1) Acesse: https://groq.com -> clique em DEV CONSOLE (menu do topo)
2) Crie sua conta. Você pode criar/logar com sua conta Google, para ser mais prático
3) Após o login, no menu lateral acesse API Keys https://console.groq.com/playground
4) E clique no botão ‘Create API Key’
Aqui você pode escolher qualquer nome.
Após criar, clique no botão Copy para copiar a chave e salve em um local seguro
Modelos disponíveis pelo Groq https://console.groq.com/docs/rate-limits (ver os gratuitos – dentro da aba free tier)
Quanto ao código com Streamlit, deixei aqui ao final do Colab https://colab.research.google.com/drive/1jul2su9c7QGJSzpe9D0T3kZB8FxWeFfg#scrollTo=g9yi7myGxHXW
Olá! Fica apenas uma tela de carregando, sem aparecer nenhuma mensagem de erro? Pelo que você descreveu pode ser alguma instabilidade no localtunnel, há alguns relatos dizendo que desde sexta os servidores se encontram instáveis.
Como alternativa, você pode ou executar localmente (conforme demonstrado na aula “Execução local 1”, da seção “Marketing”) ou continuar executando pelo Colab mas usando o ngrok ao invés do localtunnel. Para saber como fazer isso veja a aula “Aviso sobre uso no Colab”, que adicionamos logo antes da aula “Interface com Streamlit”, dentro da seção de Marketing (link aqui).
Em breve adicionaremos uma aula gravada, mas pela aula de texto já é possível conseguir realizar tudo o que precisa para implementar no ngrok direto pelo Colab!
Quanto à parte do agente, acho que é mais fácil se basear direto no Colab da seção pois lá tem todas as alterações recentes da biblioteca (acesse https://colab.research.google.com/drive/1U4UexvWpa93yPZtRHxWnco0Nk5mFTmwV)
Se ocorrer algum erro durante a execução, peço que por favor me informe qual a mensagem apareceu e a linha de código que deu o erro
Olá Elisabeth!
Este problema se deve a uma incompatibilidade recente entre o dlib e a versão CUDA atribuída no Colab, parece que até o momento não há uma solução oficial (e também tentamos alterar a versão CUDA da instância do Colab, porém atualmente parece que não é mais permitido). Estamos tentando encontrar uma alternativa para que a função funcione corretamente sem essas mensagens. Como alternativa, você tem algumas opções:
1) Executar em sua máquina local. Você pode usar o mesmo código, apenas certifique-se de instalar as bibliotecas necessárias antes de rodar. Recomendamos o uso do Jupyter Notebook para que você possa reutilizar o notebook fornecido na aula.
2) Usar outra técnica de reconhecimento facial, como por exemplo o LBPH (que foi mostrado nessa seção do curso).
3) Usar o Kaggle em vez do Colab. Para isso, faça o seguinte:
* Acesse os Notebooks do Kaggle (link). Faça login ou cadastre-se rápido caso não tenha uma conta.
* Clique em “New Notebook”
* Selecione File > Import Notebook (se não encontrar a opção, veja essa imagem)
* Selecione o arquivo .ipynb nos materiais da aula (ou baixe-o diretamente clicando em Arquivo > Fazer Download > Baixar o .ipynb , dentro do Colab da aula).
* Arraste e solte o arquivo .ipynb e clique em Importar.
Como alternativa, você pode usar a biblioteca face_recognition, que oferece funcionalidade semelhante (repositório do GitHub), ou o DeepFace, outra opção ótima (repositório).
