00_check_env.ipynb 说明文档

这份文档是给第一次接触 Python、Jupyter notebook、AutoDL 和大模型实验的同学准备的。

这个 notebook 的任务非常朴素：

• 先不要训练
• 先不要改模型
• 先不要追求效果
• 先确认这台机器到底能不能做后面的实验

你可以把它理解成：

• “上课前 5 分钟的系统体检”

如果这一步没有通过，后面的 LoRA 微调 notebook 往往也会出问题。

一、这个 notebook 总共在检查什么

它主要检查 4 件事：

1. 你现在到底在什么 Python 环境里
2. 这台 AutoDL 实例有没有 GPU
3. torch 能不能识别 CUDA
4. 后面课程要用的几个核心 Python 包能不能导入

二、Cell 0：开场说明

# 00_check_env

这个 notebook 用于检查 AutoDL 上的基本环境是否正常。建议第一次进入实例后先完整运行一遍。

这一格只是说明文字，没有代码。

它在提醒你：

• 这是“检查 notebook”，不是“训练 notebook”
• 第一次进入实例时，要先跑它

三、Cell 1：检查 Python、当前目录和文件

代码：

import os, sys

print("Python:", sys.version)
print("Current working directory:", os.getcwd())
print("Files in current directory:")
print(os.listdir("."))

这一格在做什么

它做了 3 件事：

1. 看你现在运行的是哪个 Python
2. 看你当前站在哪个目录里
3. 看这个目录下有哪些文件

这是最基础的一步，但非常重要。很多实验出错，根本原因不是模型坏了，而是：

• 你进错目录了
• 你用错 Python 环境了
• 你以为文件在当前目录，其实不在

逐行解释

import os, sys

这里导入了两个 Python 标准库：

• os
  • 用来和操作系统打交道
  • 比如看当前目录、列出文件、读环境变量
• sys
  • 用来看 Python 解释器本身的信息
  • 比如 Python 版本

print("Python:", sys.version)

这一行会打印当前 Python 的详细版本信息。

这里的重点不是背 sys.version，而是知道：

• sys 是 Python 自己的系统信息模块
• version 是它里面记录 Python 版本的属性

你通常会看到类似：

Python: 3.10.14 ...

这告诉你：

• 当前 notebook kernel 连接到的是哪个 Python

print("Current working directory:", os.getcwd())

getcwd() 的全称是：

• get current working directory

意思是：

• 获取当前工作目录

如果它输出的是：

/root/course_lora

说明你当前 notebook 的执行位置就在课程目录里。

这很重要，因为很多相对路径，比如：

• data/sample_train.json
• outputs/notebook_demo

都默认是从“当前目录”出发去找的。

print("Files in current directory:")

这只是打印一行提示文字，让后面的输出更好读。

print(os.listdir("."))

listdir() 的意思是：

• 列出某个目录里的文件和子目录

这里传进去的是 "."。

在命令行和 Python 里：

• "." 表示当前目录

所以这一行的意思就是：

• 把当前目录里的文件名打印出来

你应该能看到类似：

• 00_check_env.ipynb
• 01_lora_demo.ipynb
• 02_eval_and_infer.ipynb
• train_lora.py
• data
• outputs

如果这些文件不在，通常说明：

• 你不在课程目录里

这一格跑完后你应该确认什么

1. Python 版本正常
2. 当前目录是你预期的课程目录
3. 课程文件确实存在

四、Cell 2：检查 GPU 是否存在

代码：

import subprocess

print("=== nvidia-smi ===")
result = subprocess.run(["nvidia-smi"], capture_output=True, text=True)
print(result.stdout if result.stdout else result.stderr)

这一格在做什么

这格不是在用 Python 检查 GPU，而是在让 Python 帮你执行一个系统命令：

• nvidia-smi

这个命令几乎是 NVIDIA GPU 环境检查的第一步。

如果这一格输出正常，通常说明：

• 机器上有 NVIDIA GPU
• 驱动基本正常

逐行解释

import subprocess

subprocess 是 Python 标准库，用来：

• 在 Python 里运行外部命令

比如你在 Terminal 里会输入：

nvidia-smi

那在 Python 里，就可以通过 subprocess 来做同样的事。

print("=== nvidia-smi ===")

只是打印一个小标题，让输出更清楚。

result = subprocess.run(["nvidia-smi"], capture_output=True, text=True)

这是这一格最核心的一行。

先看主函数：

• subprocess.run(...)
  • 运行一个外部命令

这里传进去的是：

• ["nvidia-smi"]

为什么是列表？

因为 subprocess.run() 常常把命令和参数拆成列表形式传入。
如果命令更复杂，可能会写成：

["python", "train_lora.py", "--train_file", "data/sample_train.json"]

这里的两个参数也很重要：

capture_output=True

意思是：

• 把命令行输出抓回来
• 不只是让它在后台运行

这样我们后面才能通过 result.stdout 或 result.stderr 把结果打印出来。

text=True

意思是：

• 把输出按文本字符串处理
• 而不是按字节流处理

如果没有这一项，输出可能会是 bytes，读起来不方便。

print(result.stdout if result.stdout else result.stderr)

这里用了一个 Python 的简写表达式：

A if 条件 else B

意思是：

• 如果 result.stdout 有内容，就打印它
• 否则就打印 result.stderr

为什么这样写？

因为：

• 命令正常时，结果通常在 stdout
• 命令失败时，报错通常在 stderr

所以这行的逻辑很实用：

• 成功就给你看正常输出
• 失败就给你看错误信息

正常情况下你会看到什么

通常会看到一大段 NVIDIA 表格，里面包括：

• GPU 型号
• 显存大小
• 驱动版本
• CUDA 版本

如果失败会说明什么

如果这里报错，常见原因是：

• 你没有租用 GPU 实例
• 驱动异常
• 这台机器的 NVIDIA 环境没起来

如果这一格不过，后面的训练一般也不用继续了。

五、Cell 3：检查 torch 和 CUDA

代码：

import torch

print("torch version:", torch.__version__)
print("cuda available:", torch.cuda.is_available())
if torch.cuda.is_available():
    print("device:", torch.cuda.get_device_name(0))
    print("device count:", torch.cuda.device_count())

这一格在做什么

上一格检查的是：

• 系统层面有没有 NVIDIA GPU

这一格检查的是：

• Python 里的 torch 能不能真正调用 GPU

这两件事不是一回事。
有时候 nvidia-smi 正常，但 torch.cuda.is_available() 还是 False。

逐行解释

import torch

导入 PyTorch。

如果这一行就报错：

• ModuleNotFoundError: No module named 'torch'

那说明当前环境里 PyTorch 还没装好。

print("torch version:", torch.__version__)

打印 PyTorch 版本。

__version__ 是很多 Python 包都会提供的版本信息属性。

你会知道：

• 现在运行的到底是哪一版 torch

print("cuda available:", torch.cuda.is_available())

这是 PyTorch 检查 GPU 最常用的一行。

torch.cuda.is_available() 的意思是：

• CUDA 是否可用

返回值是布尔值：

• True
• False

如果是 True，说明：

• 当前 PyTorch 环境能够调用 GPU

如果是 False，说明：

• 现在只能走 CPU
• 后面大多数训练都会非常慢，甚至跑不动

if torch.cuda.is_available():

这是一句条件判断：

• 如果 CUDA 可用，才继续打印设备信息

这样写是为了避免在没有 GPU 的时候继续执行下面的语句，导致出错。

print("device:", torch.cuda.get_device_name(0))

这里是在问：

• 第 0 号 GPU 设备叫什么名字

参数 0 的意思是：

• 第一块 GPU

因为 Python 和大多数程序都从 0 开始编号。

如果你的实例只有 1 块卡，0 就是唯一那块卡。

print("device count:", torch.cuda.device_count())

这行打印 GPU 的数量。

如果返回：

• 1：说明你有 1 块卡
• 2：说明有 2 块卡

这一格的意义

这一格跑通，才表示：

• PyTorch 训练环境已经基本可用

对于后面的 LoRA 微调，这一格比上一格更关键。

六、Cell 4：检查核心依赖包

代码：

required = ["transformers", "datasets", "peft", "accelerate"]
for pkg in required:
    try:
        __import__(pkg)
        print(f"[OK] {pkg}")
    except Exception as e:
        print(f"[FAIL] {pkg}: {e}")

这一格在做什么

它在检查后续课程实验最核心的 4 个包能不能导入：

• transformers
• datasets
• peft
• accelerate

这比简单地看 pip list 更有用，因为：

• 一个包“看起来装了”
• 不等于“真的能 import”

逐行解释

required = ["transformers", "datasets", "peft", "accelerate"]

这里定义了一个列表 required，表示：

• 后面必须检查的包名集合

为什么是这 4 个？

因为这套课程最小 LoRA 实验里，它们分别承担：

• transformers
  • 模型、tokenizer、Trainer
• datasets
  • 数据集封装与处理
• peft
  • LoRA / PEFT
• accelerate
  • Hugging Face 训练生态常见依赖

for pkg in required:

这是一个循环。

意思是：

• 把 required 列表里的每一个包名，轮流取出来
• 每次把当前包名放进变量 pkg

try:

进入“尝试执行”的代码块。

如果这里面的代码报错，就跳到 except。

__import__(pkg)

这是 Python 的一个内置函数。
它的作用和：

import transformers

有点像，但更灵活，因为它允许你把包名放在变量里。

比如当：

• pkg = "transformers"

时，这行就相当于：

import transformers

下一轮如果：

• pkg = "datasets"

它就相当于：

import datasets

print(f"[OK] {pkg}")

如果导入成功，就打印：

[OK] transformers

这里用了 f-string，也就是格式化字符串：

f"...{变量}..."

意思是把变量值直接插进字符串。

except Exception as e:

如果导入失败，Python 会进入这里。

Exception as e 的意思是：

• 把错误对象保存到变量 e

print(f"[FAIL] {pkg}: {e}")

如果某个包导入失败，就打印失败信息和错误原因。

比如可能出现：

[FAIL] peft: No module named 'peft'

这一格的意义

如果这一格全部 [OK]，说明：

• 这套课程最小实验的关键依赖已经基本齐了

如果某一项 [FAIL]，就要先解决依赖问题，再继续。

七、Cell 5：空白代码格

这一格是空的。

它没有任何作用，可以理解成：

• 作者留出来的空位
• 或 notebook 编辑过程中留下的空 cell

对实验没有影响。

八、Cell 6：环境检查阶段结束说明

如果上面各项都正常，那么说明这台实例已经基本适合继续做 LoRA 课程实验。

这句话的意思很重要：

• “基本适合”

不是说后面一定 100% 没问题，而是说：

• 平台层和环境层的大问题，已经排掉了大半

九、这个 notebook 跑完以后，你应该得到什么结论

如果 00_check_env.ipynb 跑通了，你至少应该能回答下面这些问题：

1. 我当前用的是哪个 Python？
2. 我当前是不是在课程目录里？
3. 这台机器有 GPU 吗？
4. PyTorch 能识别 GPU 吗？
5. transformers / datasets / peft / accelerate 能导入吗？

如果这些问题都能回答“可以”，那你就可以进入下一步：

• 01_lora_demo.ipynb

十、这一份 notebook 最值得你学会的，不只是命令

真正重要的是这种实验习惯：

1. 先检查环境
2. 再检查依赖
3. 最后才开始训练

这是大模型实验里很重要的工程习惯。
以后不只是 AutoDL，在任何服务器、任何实验平台上，这个顺序都能帮你少踩很多坑。