efficient-dl-systems

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

• Python 环境与 Jupyter Notebook（仓库内容为 .ipynb 教程）
• PyTorch（README 中的实践均基于 PyTorch）
• NVIDIA GPU + CUDA 环境（内容涉及 GPU 架构、CUDA API 与分布式训练）
• 能访问 GitHub 克隆仓库的网络环境

安装与启动步骤

1. 1克隆课程仓库

   把课程材料仓库下载到本地，README 中的周次目录（如 week01_intro）都在仓库根目录下。

   git clone https://github.com/mryab/efficient-dl-systems.git

   复制

2. 2进入仓库目录

   切换工作目录到刚克隆下来的仓库，后续用相对路径打开各周次 notebook。

   cd efficient-dl-systems

   复制

3. 3准备运行环境

   README 本身未给出安装步骤，需按课程主题自行准备 PyTorch 与 CUDA；涉及分布式、profiling 的周次还需对应工具。

4. 4启动 Jupyter

   在仓库目录启动 Jupyter，浏览器中按周次目录（week01_intro、week02_fast_pipelines 等）逐个打开并运行 notebook。

   jupyter notebook

   复制

如何确认成功

浏览器打开 Jupyter 页面后，能进入 week01_intro 等周次目录并成功加载、运行其中的 notebook。

常见问题

注意事项

• README 节选只包含课程大纲，没有安装命令、依赖版本或端口等部署信息，请以仓库内各周次目录的说明为准。
• 各周次涉及的工具不同（py-spy、PyTorch Profiler、Nsight Systems、PyTorch Distributed 等），按需分别安装。
• 仓库分支对应 2026 版课程；往年材料在 Past versions 中有链接。
• 运行 profiling、分布式等示例前，确认驱动、CUDA 与 PyTorch 版本相互匹配。