Inteligência Artificial & Machine Learning

Setup completo para desenvolvimento de modelos de IA/ML: TensorFlow, PyTorch, Jupyter, CUDA, MLflow, Hugging Face, LangChain e muito mais.

🐍 Python 3.11+ 🧠 TensorFlow 🔥 PyTorch 🎮 CUDA 12.x 📓 Jupyter Lab 🤗 Hugging Face 🔗 LangChain 📊 MLflow

⚡ Instalação automatizada - IA/ML Stack

Versão do Python:

Linux / WSL (CUDA Support)

curl -fsSL https://rafaelferreira2312.github.io/devforge/scripts/ia/install-ia.sh | bash -s 3.11

Windows PowerShell (Admin)

Set-ExecutionPolicy Bypass -Scope Process; iex "& { $(irm https://rafaelferreira2312.github.io/devforge/scripts/ia/install-ia.ps1) } 3.11"

macOS (Metal Performance)

curl -fsSL https://rafaelferreira2312.github.io/devforge/scripts/ia/install-ia.sh | bash -s 3.11

Instala: Python, CUDA Toolkit (NVIDIA), cuDNN, TensorFlow, PyTorch, Jupyter Lab, MLflow, Hugging Face Transformers, LangChain, Ollama, e mais.

Requisitos mínimos

CPU: 4+ núcleos (x86_64)
RAM: 8 GB (recomendado 16 GB para treinamento)
Armazenamento: 50 GB SSD
GPU: Opcional (CPU-only mode)
SO: Ubuntu 22.04/24.04, Windows 10/11 (WSL2), macOS 12+

Hardware recomendado (Deep Learning)

GPU: NVIDIA RTX 3060/3070/3080/3090/4090 (12GB+ VRAM)
RAM: 32 GB+ (64 GB para LLMs)
Armazenamento: NVMe SSD 1 TB+
CPU: i7 / Ryzen 7 ou superior
Refrigeração: Adequada para uso intensivo de GPU

TensorFlow / Keras

pip install tensorflow tensorflow-datasets

python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

PyTorch

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

python -c "import torch; print(torch.rand(3,3).cuda() if torch.cuda.is_available() else torch.rand(3,3))"

python -c "import torch; print(f'CUDA: {torch.cuda.is_available()}, GPU: {torch.cuda.get_device_name(0) if torch.cuda.is_available() else \"CPU\"}')"

Jupyter Lab / Notebook

pip install jupyterlab notebook ipykernel ipywidgets

jupyter lab --ip=0.0.0.0 --port=8888 --no-browser --allow-root

python -m ipykernel install --user --name=ia-env

MLflow (Experiment Tracking)

pip install mlflow scikit-learn pandas numpy matplotlib seaborn

mlflow ui --host 0.0.0.0 --port 5000

Hugging Face Transformers

pip install transformers datasets accelerate tokenizers evaluate

python -c "from transformers import pipeline; print(pipeline('sentiment-analysis')('I love AI!'))"

LangChain & LLMs

pip install langchain langchain-community chromadb openai tiktoken

curl -fsSL https://ollama.com/install.sh | sh && ollama run llama3.2

CUDA & NVIDIA GPU Setup

🔧 Verificar NVIDIA GPU

nvidia-smi

📦 Instalar CUDA Toolkit

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.1-1_all.deb && sudo dpkg -i cuda-keyring_1.1-1_all.deb && sudo apt update && sudo apt install cuda-toolkit-12

🔧 Troubleshooting IA/ML

❌ Erro: "CUDA out of memory"

Causa: GPU sem memória suficiente para o modelo/batch.
Solução: Reduza batch_size, use gradient accumulation ou modelo menor: batch_size = 8 → batch_size = 4

⚠️ Erro: "TensorFlow not using GPU"

Causa: CUDA/cuDNN não configurados corretamente.
Solução: Verifique tf.config.list_physical_devices('GPU') e instale CUDA Toolkit.

🐍 Erro: "ModuleNotFoundError: No module named 'torch'"

Causa: Ambiente virtual sem PyTorch instalado.
Solução: Ative o virtualenv e instale: pip install torch torchvision torchaudio

Diagnóstico automático IA/ML:

python --version && pip list | grep -E "tensorflow|torch|transformers|langchain|jupyter|mlflow" && python -c "import torch; print(f'PyTorch CUDA: {torch.cuda.is_available()}')" && python -c "import tensorflow as tf; print(f'TensorFlow GPU: {tf.config.list_physical_devices(\"GPU\")}')"

Este comando verifica versão do Python, principais bibliotecas IA/ML e suporte a GPU.

⚠️ IMPORTANTE - Como executar os scripts corretamente

Os scripts abaixo funcionam em Windows, Linux e macOS. Siga as instruções específicas do seu sistema:

WINDOWS (PowerShell)


            # ERRO COMUM: "arquivo não assinado" ou "execução de scripts desabilitada"
            # SOLUÇÃO 1: Executar com bypass (recomendado)
            powershell -ExecutionPolicy Bypass -File "C:\caminho\script.ps1"

            # SOLUÇÃO 2: Baixar e executar direto (pode ter erro de codificação)
            powershell -ExecutionPolicy Bypass -Command "iex (irm https://.../script.ps1)"

            # SOLUÇÃO 3: Habilitar execução permanentemente (como Administrador)
            Set-ExecutionPolicy RemoteSigned -Scope CurrentUser

            # Se houver erros de acentuação (caracteres estranhos): O script ainda funciona, apenas a saída visual pode ficar distorcida

LINUX / WSL (Bash)


            # ERRO COMUM: "permission denied" ou "comando não encontrado"
            # SOLUÇÃO 1: Dar permissão de execução (obrigatório)
            chmod +x script.sh

            # SOLUÇÃO 2: Executar o script
            ./script.sh

            # SOLUÇÃO 3: Executar via curl (baixar e executar direto)
            curl -fsSL https://.../script.sh | bash

            # SOLUÇÃO 4: Se der erro de permissão, use sudo (cuidado!)
            sudo chmod +x script.sh && sudo ./script.sh

            # Se houver erros de permissão: Execute 'ls -la script.sh' para verificar permissões atuais

macOS (Terminal / Zsh)


            # ERRO COMUM: "permission denied" ou "operation not permitted"
            # SOLUÇÃO 1: Dar permissão de execução
            chmod +x script.sh

            # SOLUÇÃO 2: Executar o script
            ./script.sh

            # SOLUÇÃO 3: Se der erro de "quarentena" (arquivo baixado da internet)
            xattr -d com.apple.quarantine script.sh

            # SOLUÇÃO 4: Executar via curl
            curl -fsSL https://.../script.sh | bash

            # Se erro persistir: Vá em Preferências do Sistema → Segurança e Privacidade → Permitir execução

Dicas importantes:
• Windows: Se aparecerem caracteres estranhos (ex: "�" ou "Ã§Ã£o"), ignore - o script funciona normalmente. Para evitar, baixe o script localmente e execute.
• Linux/macOS: Sempre use chmod +x antes de executar scripts baixados.
• WSL (Windows): Siga as instruções do Linux, mas certifique-se de que o script está dentro do sistema de arquivos do Linux (não no /mnt/c/).

📜 Scripts prontos

install-ia.sh install-ia.ps1 install-cuda.sh setup-venv.sh train-example.py

Scripts verificados no Ubuntu 22.04/24.04 (CUDA 12.x), Windows 10/11 com WSL2 e macOS 13+.

❓ Perguntas frequentes - IA/ML

TensorFlow vs PyTorch: qual escolher?

PyTorch é mais popular para pesquisa e prototyping (debugging fácil). TensorFlow é mais usado em produção (TF Serving, TF Lite). Ambos são excelentes!

Como usar GPU com TensorFlow/PyTorch?

Instale CUDA Toolkit e cuDNN. O script DevForge já faz isso automaticamente. Verifique com nvidia-smi e os comandos de teste de GPU acima.

Melhor forma de gerenciar ambientes Python para ML?

Use conda (Anaconda/Miniconda) para projetos com CUDA ou pyenv + virtualenv. O script DevForge configura ambos automaticamente.

Como monitorar experimentos de ML?

Use MLflow (gratuito, self-hosted), Weights & Biases (W&B) ou TensorBoard. O DevForge inclui MLflow configurado.

GPU recomendada para Deep Learning em 2025/2026?

NVIDIA RTX 4090 (24GB VRAM) para entusiastas, RTX 6000 Ada para profissionais. Mínimo recomendado: RTX 3060 12GB.