{"meta":{"title":"Introdução aos GitHub Codespaces para machine learning","intro":"Saiba mais sobre como trabalhar em projetos de aprendizado de máquina com o GitHub Codespaces e as ferramentas prontas para uso dele.","product":"Codespaces","breadcrumbs":[{"href":"/pt/codespaces","title":"Codespaces"},{"href":"/pt/codespaces/developing-in-a-codespace","title":"Desenvolver em um codespace"},{"href":"/pt/codespaces/developing-in-a-codespace/getting-started-with-github-codespaces-for-machine-learning","title":"Aprendizado de máquina"}],"documentType":"article"},"body":"# Introdução aos GitHub Codespaces para machine learning\n\nSaiba mais sobre como trabalhar em projetos de aprendizado de máquina com o GitHub Codespaces e as ferramentas prontas para uso dele.\n\n## Introdução\n\nEste guia apresenta o aprendizado de máquina com o GitHub Codespaces. Você vai criar um classificador de imagens simples, aprender mais sobre algumas das ferramentas que vêm pré-instaladas no GitHub Codespaces e descobrir como abrir seu codespace no JupyterLab.\n\n## Criar um classificador de imagens simples\n\nUsaremos um Jupyter Notebook para criar um classificador de imagens simples.\n\nOs 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.\n\nExecutaremos 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.\n\n### Criar um codespace\n\n1. Acesse o repositório de modelos [github/codespaces-jupyter](https://github.com/github/codespaces-jupyter).\n\nPor padrão, um codespace para esse modelo será aberto em uma versão baseada na Web do Visual Studio Code.\n\n### Abrindo o notebook do classificador de imagens\n\nA imagem de contêiner padrão usada por 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 saber mais sobre a imagem padrão, confira [Introdução aos contêineres de desenvolvimento](/pt/codespaces/setting-up-your-project-for-codespaces/adding-a-dev-container-configuration/introduction-to-dev-containers#using-the-default-dev-container-configuration) e o repositório [devcontainers/images](https://github.com/devcontainers/images/tree/main/src/universal).\n\n1. No editor VS Code, feche as guias \"Introdução\" exibidas.\n2. Abra o arquivo do notebook `notebooks/image-classifier.ipynb`.\n\n### Compilar o classificador de imagens\n\nO notebook do classificador de imagens contém todo o código necessário para baixar um conjunto de dados, treinar uma rede neural e avaliar seu desempenho.\n\n1. Clique em **Executar tudo** para executar todas as células do notebook.\n\n \n\n2. Se for solicitado que você escolha uma fonte de kernel, selecione **Python Environments** e selecione a versão do Python no local recomendado.\n\n \n\n3. Role para baixo para visualizar a saída de cada célula.\n\n \n\n## Como abrir seu codespace no JupyterLab\n\nVocê pode abrir seu codespace no JupyterLab na página \"Seus codespaces\" em [github.com/codespaces](https://github.com/codespaces) ou usando GitHub CLI. Para saber mais, confira [Como abrir um codespace existente](/pt/codespaces/developing-in-a-codespace/opening-an-existing-codespace).\n\nJupyterLab instalado no Codespace\n\n## Configurar o NVIDIA CUDA para seu codespace\n\n> \\[!NOTE]\n> Esta seção só se aplica aos clientes que podem criar codespaces em computadores que usam uma GPU. A capacidade de escolher um tipo de computador que usa uma GPU foi oferecida a clientes selecionados durante um período de avaliação. Essa opção não está em disponibilidade geral.\n\nAlguns 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 saber mais sobre como criar uma configuração personalizada, confira [Introdução aos contêineres de desenvolvimento](/pt/codespaces/setting-up-your-project-for-codespaces/adding-a-dev-container-configuration/introduction-to-dev-containers#creating-a-custom-dev-container-configuration).\n\nPara ver todos os detalhes do script que é executado quando você adiciona o recurso `nvidia-cuda`, confira o repositório [devcontainers/features](https://github.com/devcontainers/features/tree/main/src/nvidia-cuda).\n\n1. Em um codespace, abra o arquivo `.devcontainer/devcontainer.json` no editor.\n\n2. Adicione um objeto `features` de nível superior com o seguinte conteúdo:\n\n ```json copy\n \"features\": {\n \"ghcr.io/devcontainers/features/nvidia-cuda:1\": {\n \"installCudnn\": true\n }\n }\n ```\n\n Para obter mais informações sobre o objeto `features`, confira a [especificação de contêineres de desenvolvimento](https://containers.dev/implementors/features/#devcontainer-json-properties).\n\n 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:\n\n ```json\n {\n \"customizations\": {\n \"vscode\": {\n \"extensions\": [\n \"ms-python.python\",\n \"ms-toolsai.jupyter\"\n ]\n }\n },\n \"features\": {\n \"ghcr.io/devcontainers/features/nvidia-cuda:1\": {\n \"installCudnn\": true\n }\n }\n }\n ```\n\n3. Salve a alteração.\n\n4. Acesse a VS Code Command Palette (Shift+Command+P / Ctrl+Shift+P) e comece a digitar \"recompilar\". Clique em **Codespaces: Recompilar Contêiner**.\n\n \n\n > \\[!TIP]\n > Ocasionalmente, convém executar uma recompilação completa para limpar o cache e recompilar o contêiner com imagens novas. Para saber mais, confira [Como reconstruir o contêiner em um codespace](/pt/codespaces/developing-in-codespaces/rebuilding-the-container-in-a-codespace#about-rebuilding-a-container).\n > O contêiner de codespace será recriado. Isso levará alguns minutos. Quando a reconstrução for concluída, o codespace será reaberto automaticamente.\n\n5. 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](/pt/codespaces/developing-in-a-codespace/creating-a-codespace-from-a-template#publishing-from-vs-code)."}