8. Preparando o ambiente

Para construir o cérebro, precisamos de três ferramentas no computador. Pense nelas como a bancada e as ferramentas antes de começar uma marcenaria.

1. Python — a linguagem de programação em que vamos escrever. É uma das mais usadas em IA, justamente por ser legível e acessível.
2. uv — um "organizador de projeto". Ele cria um espaço isolado para o nosso projeto e instala as bibliotecas certas, sem bagunçar o resto do computador.
3. PyTorch — a biblioteca que faz as contas de IA. É ela que sabe usar a placa de vídeo (GPU) para treinar rápido.

O que é a GPU e por que ela importa? A placa de vídeo tem milhares de "operários" que fazem contas de matemática ao mesmo tempo. Treinar um modelo é fazer muitas contas, então a GPU acelera tudo enormemente. Se você não tiver uma GPU, o projeto ainda funciona — só treina mais devagar, no processador comum.

Os comandos

Depois de instalar o Python e o uv (os instaladores oficiais de cada um guiam o processo no seu sistema), abra o terminal — a janelinha onde você digita comandos — e crie o projeto:

# cria a pasta do projeto e entra nela
mkdir nano-grump
cd nano-grump

# inicia um projeto uv (cria o arquivo de configuração)
uv init --bare

# cria uma subpasta para os dados
mkdir data

Agora instale o PyTorch. Se você tem uma GPU NVIDIA, o uv consegue detectar e baixar a versão certa:

uv add torch numpy

Para confirmar que está tudo certo, rode este teste rápido:

uv run python -c "import torch; print('GPU disponível?', torch.cuda.is_available())"

Se aparecer GPU disponível? True, o PyTorch enxergou sua placa. Se aparecer False, sem problema — ele vai usar o processador comum (mais devagar, mas funciona).

Dica de bolso: o comando uv run roda o Python "de dentro" do projeto, onde as bibliotecas estão instaladas. Use sempre uv run python ... para executar os scripts deste tutorial.

---