Update Oracle documentation (#35)

* Fix binary initialization

* Add instructions to run without docker

* Add expected throughtput

examples/oracle-cloud.md

@@ -2,6 +2,8 @@
 
 Este tutorial mostra como executar o MariTalk Local na Oracle Cloud Infrastructure (OCI). Para isso, utilizaremos Docker em uma instância com a GPU Nvidia A10 (`VM.GPU.A10.1`).
 
+Para adquirir uma licença da MariTalk Local [clique aqui](https://maritaca.ai/#maritalk-local).
+
 1. Crie uma instância na OCI selecionando `NVIDIA GPU Cloud Machine Image` como imagem e `VM.GPU.A10.1` como shape.
 
 ![](/.github/imgs/oracle-screenshot.png)
@@ -31,19 +33,42 @@ $ nvidia-smi
 +---------------------------------------------------------------------------------------+
 ```
 
-3. Você pode instalar as dependências necessárias manualmente, mas neste tutorial vamos usar a imagem Docker da Nvidia com CUDA v12 para iniciar a MariTalk Local. O comando abaixo vai iniciar um terminal interativo para instalarmos as ferramentas necessárias. Em caso de deploy em produção, é recomendado criar um container a partir da imagem `nvidia/cuda:12.1.1-cudnn8-runtime-ubuntu22.04` com os comandos necessários.
+Você pode instalar as dependências necessárias diretamente no Sistema Operacional da instância ou usar Docker. Selecione abaixo uma das duas opções:
+
+<details>
+<summary>Sistema Operacional</summary>
+
+3. Você pode instalar as dependências necessárias manualmente através do gerenciador de pacotes `apt`. O pacote necessário é o `cuda-toolkit-12`, que irá instalar as bibliotecas (*.so) necessárias para executar o binário da MariTalk Local.
+
+```
+$ sudo apt update
+$ sudo apt install cuda-toolkit-12
+```
+
+4. Instale a biblioteca Python para interagir com o servidor da MariTalk Local.
 
 ```
-sudo docker run -it --gpus all nvidia/cuda:12.1.1-cudnn8-runtime-ubuntu22.04 /bin/bash
+$ python3 -m pip install maritalk
+```
+</details>
+
+<details>
+<summary>Docker</summary>
+
+3. Você pode instalar as dependências necessárias manualmente, mas nesta seção vamos usar a imagem Docker da Nvidia com CUDA v12 para iniciar a MariTalk Local. O comando abaixo vai iniciar um terminal interativo para instalarmos as ferramentas necessárias. Em caso de deploy em produção, é recomendado criar um container a partir da imagem `nvidia/cuda:12.1.1-cudnn8-runtime-ubuntu22.04` com os comandos necessários.
+
+```
+$ sudo docker run -it --gpus all nvidia/cuda:12.1.1-cudnn8-runtime-ubuntu22.04 /bin/bash
 ```
 
 4. Instale as dependências.
 
 ```
-apt update
-apt install python3 python3-pip
-python3 -m pip install maritalk
+$ apt update
+$ apt install python3 python3-pip
+$ python3 -m pip install maritalk
 ```
+</details>
 
 5. Inicie um console Python (`$ python3`) para iniciar o servidor da MariTalk Local e comece a testar!
 
@@ -65,4 +90,8 @@ Starting MariTalk Local API at http://localhost:9000
 {'output': 'nadador, marinho e azul.', 'queue_time': 0, 'prompt_time': 270, 'generation_time': 143}
 ```
 
-Para adquirir uma licença da MariTalk Local [clique aqui](https://maritaca.ai/#maritalk-local).
+## Observações
+
+- Se você estiver executando uma instância com um HDD em vez de um SSD, o carregamento inicial pode levar algum tempo para ser concluído, então o processo pode demorar alguns minutos para começar a responder às requisições.
+
+- Executando em uma GPU Nvidia A10 e considerando uma entrada de ~1.000 tokens e uma saída de ~500 tokens, espera-se um throughput de aproximadamente 17 tokens/s (ou 46 tokens/s processados no total).

maritalk/resources/local.py

@@ -82,7 +82,8 @@ def start_server(
         cuda_version: Optional[int] = None,
         ssl_version: Optional[int] = None,
     ):
-        if not os.path.exists(os.path.expanduser(bin_path)):
+        bin_path = os.path.expanduser(bin_path)
+        if not os.path.exists(bin_path):
             if not cuda_version:
                 check_gpu()
             detected_versions = find_libs()