Curso Fast.ai Deep Learning ("Aula 0")

Ha anos acabaram os meus créditos como novo entrante na GCP e neste momento não tenho como contratar crédito adicionais sob demanda.

Desta forma, tenho aqui a oportunidate de aprendizado em aprovisionar o ambiente e usar minhas própria máquinas1 para participar do curso.

Então…

Preparação do ambiente

Instale o gerenciador de anbientes virtuais Conda (Anaconda) seguindo o tutorial Conda - ambientes virtuais para desenvolvimento e testes.

Em seguida, crie o ambiente virtual para o curso e instale as ferramentas e bibliotecas a serem utilizadas.

  1. instale alguns requisitos

    Requisitos para gerar arquivos em formato PDF

    dnf install textlive-xetex texlive-scheme-small texlive-adjustbox
    
  2. crie e ative o ambiente virtual do curso

    conda create -n Curso-DL1.2019.BSB
    
    conda activate Curso-DL1.2019.BSB
    
  3. instale as ferramentas e bibliotecas base

    conda install -c pytorch -c fastai pytorch fastai [cudatoolkit=9.0]*
    

    * caso tenha GPU NVidia e versão de drivers seguindo a tabela CUDA Driver de acordo com a versão dos drivers NVidia que tenha instalado.

Teste da instalação

Caso tenha uma GPU básica (como a minha), antes de executar o notebook é necessário alterar o atributo batch size (bs) no próprio notebook. Isso irá evitar que ocorra erro de estouro de memória, exemplo:

RuntimeError: CUDA out of memory. Tried to allocate 32.75 MiB (GPU 0; 4.93 GiB total capacity; 3.85 GiB already allocated; 29.69 MiB free; 332.48 MiB cached)

Execute o notebook Lesson1 Pets (course-v3/nbs/dl1/lesson1-pets.ipynb) para testar. O resultado será semelhante ao mostrado em DL1.lesson1-pets Environment test Lesson 1 notebook.

Referências


  1. (um notebook básico; uma workstation com NVidia Quadro P2000 5GB, Xeon-3.6 8 cores, 32GB RAM) [return]