这是一个专为AI开发和深度学习配置的工作空间，集成了PyTorch、CUDA和Ollama等关键工具。

• GPU: NVIDIA H20 (95.0 GB显存)
• CUDA: 12.6版本
• 架构: x86_64 Linux环境

• Python: 3.12.11
• PyTorch: 2.7.1+cu126 (支持CUDA)
• cuDNN: 90501
• 操作系统: Linux 5.4.241-1-tlinux4-0017.16

• check_pytorch_cuda.py - PyTorch和CUDA环境检测脚本
  • 检测PyTorch安装状态和版本
  • 验证CUDA可用性和GPU信息
  • 执行GPU计算测试
  • 显示详细的系统信息

• ollama_install.sh - Ollama自动安装脚本

  • 支持Linux系统自动检测
  • 自动配置GPU支持
  • 包含systemd服务配置

• cuda12.6安装教程 - CUDA 12.6详细安装指南

  • 包含官方安装命令
  • 支持Debian/Ubuntu系统
  • 驱动安装说明

• pytourch安装命令 - PyTorch快速安装命令

  pip3 install torch torchvision torchaudio
  

• .cnb.yml - CNB开发环境配置

  • 启用H20 GPU开发环境
  • Docker容器配置
  • 自动化服务启动

• .ide/Dockerfile - IDE环境Docker配置

运行PyTorch和CUDA检测脚本：

python check_pytorch_cuda.py

如需使用本地大语言模型：

bash ollama_install.sh

检测脚本会自动验证：

• ✅ PyTorch安装状态
• ✅ CUDA可用性
• ✅ GPU设备信息
• ✅ GPU计算功能

• 神经网络训练和推理
• 计算机视觉项目
• 自然语言处理任务
• 大模型微调和部署

• 本地模型服务部署
• GPU加速推理服务
• 模型性能测试和优化

• 算法原型开发
• 性能基准测试
• 多GPU并行计算

1. 高性能GPU: NVIDIA H20提供95GB大显存，支持大模型训练
2. 完整工具链: 预配置PyTorch、CUDA、cuDNN等核心组件
3. 自动化检测: 一键检测环境配置状态
4. 容器化部署: 支持Docker容器化开发
5. 开箱即用: 无需复杂配置，直接开始AI开发

• Linux操作系统
• NVIDIA GPU（支持CUDA 12.6）
• Python 3.12+
• 足够的磁盘空间用于模型存储

如果遇到问题，请：

1. 运行 python check_pytorch_cuda.py 检查环境状态
2. 查看CUDA安装教程重新配置驱动
3. 确认GPU驱动版本兼容性

---

注意: 此环境已针对AI开发进行优化配置，建议在开始项目前先运行检测脚本确认所有组件正常工作。