109 lines
6.2 KiB
Markdown
109 lines
6.2 KiB
Markdown
---
|
|
title: Introdução ao GitHub Codespaces para aprendizado de máquina
|
|
shortTitle: Machine learning
|
|
intro: 'Saiba mais sobre como trabalhar em projetos de aprendizado de máquina com o {% data variables.product.prodname_github_codespaces %} e as ferramentas prontas para uso dele.'
|
|
versions:
|
|
fpt: '*'
|
|
ghec: '*'
|
|
type: tutorial
|
|
topics:
|
|
- Codespaces
|
|
- Developer
|
|
ms.openlocfilehash: 905d5b14bfba5e47d1fdfdd7f0be75b16750652d
|
|
ms.sourcegitcommit: e8c012864f13f9146e53fcb0699e2928c949ffa8
|
|
ms.translationtype: HT
|
|
ms.contentlocale: pt-BR
|
|
ms.lasthandoff: 11/09/2022
|
|
ms.locfileid: '148158914'
|
|
---
|
|
## Introdução
|
|
|
|
Este guia apresenta o aprendizado de máquina com o {% data variables.product.prodname_github_codespaces %}. Você criará um classificador de imagens simples, aprenderá sobre algumas das ferramentas que vêm pré-instaladas em {% data variables.product.prodname_github_codespaces %}, vai configurar seu ambiente de desenvolvimento para o NVIDIA CUDA e abrirá seu codespace no JupyterLab.
|
|
|
|
## Criar um classificador de imagens simples
|
|
|
|
Usaremos um Jupyter Notebook para criar um classificador de imagens simples.
|
|
|
|
Os notebooks do Jupyter são conjuntos de células que você pode executar uma após a outra. O notebook que usaremos inclui várias células que criam um classificador de imagens usando o [PyTorch](https://pytorch.org/). Cada célula é uma fase diferente desse processo: baixe um conjunto de dados, configure uma rede neural, treine um modelo e depois teste esse modelo.
|
|
|
|
Executaremos todas as células em sequência para realizar todas as fases de criação do classificador de imagens. Quando fazemos isso, o Jupyter salva a saída de volta no notebook para que você possa examinar os resultados.
|
|
|
|
### Criar um codespace
|
|
|
|
1. Acesse o repositório de modelos [github/codespaces-jupyter](https://github.com/github/codespaces-jupyter).
|
|
{% data reusables.codespaces.open-template-in-codespace-step %}
|
|
|
|
Por padrão, um codespace para esse modelo será aberto em uma versão baseada na Web do {% data variables.product.prodname_vscode %}.
|
|
|
|
### Abrir o notebook do classificador de imagens
|
|
|
|
A imagem de contêiner padrão usada por {% data variables.product.prodname_github_codespaces %} inclui um conjunto de bibliotecas de aprendizado de máquina que são pré-instaladas em seu codespace. Por exemplo, Numpy, pandas, SciPy, Matplotlib, seaborn, scikit-learn, Keras, PyTorch, Requests e Plotly. Para obter mais informações sobre a imagem padrão, confira "[Introdução aos contêineres de desenvolvimento](/codespaces/setting-up-your-project-for-codespaces/introduction-to-dev-containers#using-the-default-dev-container-configuration)" e [ao repositório `devcontainers/images`](https://github.com/devcontainers/images/tree/main/src/universal).
|
|
|
|
1. No editor {% data variables.product.prodname_vscode_shortname %}, feche as guias "Introdução" exibidas.
|
|
1. Abrir o arquivo do notebook `notebooks/image-classifier.ipynb`.
|
|
|
|
### Compilar o classificador de imagens
|
|
|
|
O notebook do classificador de imagens contém todo o código necessário para baixar um conjunto de dados, treinar uma rede neural e avaliar seu desempenho.
|
|
|
|
1. Clique em **Executar tudo** para executar todas as células do notebook.
|
|
|
|
|
|
|
|
1. Role para baixo para visualizar a saída de cada célula.
|
|
|
|
|
|
|
|
## Configurar o NVIDIA CUDA para seu codespace
|
|
|
|
Alguns softwares exigem que você instale o NVIDIA CUDA para usar a GPU do seu codespace. Quando esse for o caso, você pode criar uma configuração personalizada usando um arquivo `devcontainer.json` e especificar que o CUDA deve ser instalado. Para obter mais informações sobre como criar uma configuração personalizada, confira "[Introdução aos contêineres de desenvolvimento](/codespaces/setting-up-your-project-for-codespaces/introduction-to-dev-containers#creating-a-custom-dev-container-configuration)".
|
|
|
|
{% note %}
|
|
|
|
**Observação**: para obter detalhes completos do script executado ao adicionar o recurso `nvidia-cuda`, confira o [repositório de recursos/devcontainers](https://github.com/devcontainers/features/tree/main/src/nvidia-cuda).
|
|
|
|
{% endnote %}
|
|
|
|
1. Em um codespace, abra o arquivo `.devcontainer/devcontainer.json` no editor.
|
|
1. Adicione um objeto `features` de nível superior com o seguinte conteúdo:
|
|
|
|
```json{:copy}
|
|
"features": {
|
|
"ghcr.io/devcontainers/features/nvidia-cuda:1": {
|
|
"installCudnn": true
|
|
}
|
|
}
|
|
```
|
|
|
|
Para obter mais informações sobre o objeto `features`, confira a [especificação de contêineres de desenvolvimento](https://containers.dev/implementors/features/#devcontainer-json-properties).
|
|
|
|
Se você estiver usando o arquivo `devcontainer.json` do repositório do classificador de imagens criado para este tutorial, seu arquivo `devcontainer.json` agora terá a seguinte aparência:
|
|
|
|
```json
|
|
{
|
|
"customizations": {
|
|
"vscode": {
|
|
"extensions": [
|
|
"ms-python.python",
|
|
"ms-toolsai.jupyter"
|
|
]
|
|
}
|
|
},
|
|
"features": {
|
|
"ghcr.io/devcontainers/features/nvidia-cuda:1": {
|
|
"installCudnn": true
|
|
}
|
|
}
|
|
}
|
|
```
|
|
|
|
1. Salve a alteração.
|
|
{% data reusables.codespaces.rebuild-command %} O contêiner de codespace será recriado. Isso levará alguns minutos. Quando a recriação for concluída, o codespace será reaberto automaticamente.
|
|
1. Publique sua alteração a um repositório para que o CUDA seja instalado em quaisquer codespaces criados por meio desse repositório no futuro. Para saber mais, confira "[Como criar um codespace com base em um modelo](/codespaces/developing-in-codespaces/creating-a-codespace-from-a-template#publishing-from-vs-code)".
|
|
|
|
## Como abrir seu codespace no JupyterLab
|
|
|
|
Você pode abrir seu codespace no JupyterLab na página "Seus codespaces" em [github.com/codespaces](https://github.com/codespaces) ou usando {% data variables.product.prodname_cli %}. Para saber mais, confira "[Como abrir um codespace existente](/codespaces/developing-in-codespaces/opening-an-existing-codespace)".
|
|
|
|
{% data reusables.codespaces.jupyterlab-installed-in-codespace %}
|