环境要求¶
软件依赖¶
| 依赖 | 最低版本 | 说明 |
|---|---|---|
| Python | 3.10+ | 项目使用了 match/case、X \| Y 类型语法等 3.10 特性 |
| PyTorch | 2.0+ | 核心深度学习框架 |
| NumPy | 1.24+ | 数值计算基础库 |
PyTorch 安装
PyTorch 的安装方式因平台和 CUDA 版本而异，请参考 PyTorch 官方安装指南 选择合适的命令。
赛道前置知识¶
不同赛道对数学与编程基础的要求不同，下表供参考：
| 赛道 | 前置赛道 | 数学 / 领域知识 |
|---|---|---|
| Foundations | — | Python 基础、线性代数入门 |
| Vision | Foundations | 卷积运算直觉、图像基础 |
| NLP | Foundations | 概率论基础、文本处理基础 |
| GNN | Foundations | 图论基础、邻接矩阵 |
| Point Cloud | Foundations, Vision | 三维几何、点集处理 |
| Generative | Foundations, Vision | 概率分布、KL 散度、博弈论直觉 |
| LLM | Foundations, NLP | Transformer 原理、注意力机制 |
| Multimodal | Vision, NLP | 注意力机制、跨模态对齐、对比学习 |
不必全部掌握
前置知识仅供参考。每节课都包含必要的背景说明，你可以在学习过程中逐步补齐。
硬件要求¶
| 组件 | 最低要求 | 推荐配置 |
|---|---|---|
| CPU | 任意现代 x86_64 / ARM64 | 4 核以上 |
| 内存 | 4 GB | 8 GB+ |
| GPU | 不需要 | NVIDIA GPU + CUDA（加速训练） |
| 磁盘 | 1 GB（仓库 + 依赖） | 10 GB+（含数据集） |
CPU 足够运行所有课程
所有课程均以 纯 CPU 可运行 为设计目标。GPU 仅在需要加速训练时使用。 可选真实数据的课程使用 --dataset fake，其余课程默认使用内置数据完成快速验证。
操作系统¶
| 操作系统 | 支持状态 |
|---|---|
| Linux (x86_64) | 本轮已实测 Linux/ext4、CUDA 和 339 个默认课程入口 |
| macOS (Apple Silicon) | 原生 macos-15 ARM64 / MPS 张量、训练和 checkpoint 已实测 |
| Windows (原生) | 原生 windows-2025 / NTFS、并发文件操作和一门离线课程已实测 |
Windows 用户
建议使用 WSL2 或 Anaconda 环境。WSL2 属于 Linux 路径，不能替代原生 Windows 文件系统与课程运行证据；原生 Windows 成功范围和边界见平台运行门禁。