Lingkungan kerja yang rapi mencegah banyak masalah sebelum mereka muncul: konflik versi paket, hasil training yang tidak dapat direproduksi, hingga kegagalan deteksi GPU. Section ini menyiapkan Python, virtual environment, Jupyter Notebook, PyTorch, dan TensorFlow langkah demi langkah, disertai cara memverifikasi bahwa setiap komponen benar-benar berfungsi.

# Instalasi Python

Pasang Python dari sumber resmi, verifikasi versi interpreter, dan pastikan pip siap dipakai untuk memasang paket deep learning.

Buka → # Virtual Environment

Pelajari cara mengisolasi paket setiap proyek dengan venv: membuat, mengaktifkan, memasang paket, dan membekukan daftar dependensi.

Buka → # Pengenalan Jupyter Notebook

Kenali Jupyter Notebook sebagai antarmuka interaktif eksperimen deep learning, dari struktur berkas .ipynb hingga kernel dan magic command.

Buka → # Instalasi PyTorch

Pasang PyTorch versi CPU dari index resmi, lalu verifikasi instalasi lewat versi paket dan operasi tensor dasar.

Buka → # Instalasi TensorFlow

Pasang TensorFlow 2.21 beserta Keras 3, lalu verifikasi instalasi dengan melatih model Sequential mini pada data garis sederhana.

Buka → # Konfigurasi GPU

Pahami tumpukan driver, CUDA, dan cuDNN di balik GPU, lalu periksa ketersediaan GPU dari PyTorch dan TensorFlow dengan pola kode yang tetap berjalan di CPU.

Buka → # Manajemen Dependensi

Kelola dependensi proyek secara terkendali: membekukan versi ke requirements.txt, mendeklarasikan proyek di pyproject.toml, dan memakai uv sebagai alternatif modern.

Buka →