cnb.hello/env/pytorch-env

Public

WeChat Login

Code Issues Pull requests Events Packages Insights

main

Branch

Tag

魈伏

feat: 将项目升级为 PyTorch 云原生开发环境

5e275b24

4 commits

.cnb
.cnb.yml
.gitignore
README.md
main.py
pyproject.toml

PyTorch 云原生开发环境

基于 CNB 的自定义 PyTorch 深度学习开发环境，使用 uv 作为包管理器，支持 CPU 和 GPU 云端开发环境配置。

注意

未能实现从按钮流水线的 loading 页自动跳转被激活流水线页面，需要等待几秒，在按钮流水线结束并激活自定义事件后再点击 "云原生开发" 按钮进入或在头像菜单 我的云原生开发 列表页进入。
镜像不存在时需要等待构建并推送才会激活。
不适用于 '"cnb:arch:arm64:v8"' 节点。
安装依赖较多时需防止流水线超时检测，参考超时策略。

功能特性

使用 uv 创建默认的项目虚拟环境，并添加配置
配置腾讯内网镜像源（apt + uv），加速下载
预装 VSCode 扩展：Python、BasedPyright、中文语言包，并添加配置
支持 CPU/GPU 环境自动检测和依赖安装
支持自定义 CPU 核数和节点架构（amd64/arm64/GPU）

项目结构


.
├── .cnb.yml                          # CNB 配置入口
├── .cnb/
│   ├── python-env                    # Python 基础环境 Dockerfile
│   ├── pytorch-env                   # PyTorch 环境 Dockerfile
│   ├── web_trigger.yml               # 云开发按钮触发配置
│   └── scripts/
│       ├── prepare_python_env.sh     # Python 基础环境准备脚本
│       ├── prepare_pytorch_env.sh    # PyTorch 环境准备脚本
│       ├── check_params.sh           # 参数检查脚本
│       ├── create_languagepacks.sh   # 中文语言包配置脚本
│       └── add_vscode_config.sh      # 插件和窗口配置脚本
├── pyproject.toml                    # uv 项目配置文件（含 PyTorch 依赖）
├── main.py                           # PyTorch 环境测试入口
├── .gitignore
└── README.md

构建命令

镜像不存在时流水线会自动触发构建，并推送到制品库。


# 构建 Python 基础环境镜像
docker build -f .cnb/python-env -t ${CNB_DOCKER_REGISTRY}/${CNB_REPO_SLUG_LOWERCASE}/python-env:latest .

# 推送 Python 基础环境镜像
docker push ${CNB_DOCKER_REGISTRY}/${CNB_REPO_SLUG_LOWERCASE}/python-env:latest

# 构建 PyTorch CPU 环境镜像
docker build --build-arg USE_GPU=false \
  --build-arg PYTHON_ENV_IMAGE=${CNB_DOCKER_REGISTRY}/${CNB_REPO_SLUG_LOWERCASE}/python-env:latest \
  -f .cnb/pytorch-env \
  -t ${CNB_DOCKER_REGISTRY}/${CNB_REPO_SLUG_LOWERCASE}/pytorch-env-amd:latest .

# 构建 PyTorch GPU 环境镜像
docker build --build-arg USE_GPU=true \
  --build-arg PYTHON_ENV_IMAGE=${CNB_DOCKER_REGISTRY}/${CNB_REPO_SLUG_LOWERCASE}/python-env:latest \
  -f .cnb/pytorch-env \
  -t ${CNB_DOCKER_REGISTRY}/${CNB_REPO_SLUG_LOWERCASE}/pytorch-env-gpu:latest .

# 推送镜像
docker push ${CNB_DOCKER_REGISTRY}/${CNB_REPO_SLUG_LOWERCASE}/pytorch-env-amd:latest
docker push ${CNB_DOCKER_REGISTRY}/${CNB_REPO_SLUG_LOWERCASE}/pytorch-env-gpu:latest

自定义云开发配置

在 CNB 仓库页面点击「远橙开发」按钮，可自定义：

CPU 数量：amd64 节点 1 ~ 64 核，arm64 节点 1 ~ 16 核
节点类型：amd64 / arm64:v8 / amd64:gpu / amd64:gpu:H20 / amd64:gpu:L40

流水线会根据节点类型自动选择：

GPU 节点（amd64:gpu 等）：构建 pytorch-env-gpu 镜像，安装 GPU 版本 PyTorch（CUDA 13.0）
CPU 节点（amd64/arm64:v8）：构建 pytorch-env-amd 镜像，安装 CPU 版本 PyTorch

uv 包管理器说明

默认 Python 解释器由 uv 管理，位于 /opt/uv-envs/venv/bin/python
为新的虚拟环境安装依赖需要设置 UV_PROJECT_ENVIRONMENT 环境变量
索引模式环境变量 UV_INDEX_STRATEGY="unsafe-first-match" ,优先选择第一个具有兼容版本的索引
据测试使用 uv sync --extra dev-cpu 未能正确编译依赖，需使用 uv pip install 安装

PyTorch 依赖配置

pyproject.toml 中配置了可选依赖分组：

cpu: CPU 版本 PyTorch（torch==2.10.0）
cu130: GPU 版本 PyTorch（CUDA 13.0，torch==2.10.0）
info: 可选工具（tensorboard、setuptools）
dev-cpu: CPU 开发环境（包含 cpu + info）
dev-gpu: GPU 开发环境（包含 cu130 + info）

uv 常用命令


# 按 pyproject.toml 中的可选依赖组（根据环境选择，镜像已自动安装）
uv pip install --extra dev-cpu --requirements pyproject.toml  # CPU 环境
uv pip install --extra dev-gpu --requirements pyproject.toml  # GPU 环境

# 安装单个包
uv pip install <package>

VSCode 配置

镜像中已使用 .cnb/scripts/create_languagepacks.sh 脚本生成中文语言包配置
流水线中已使用 .cnb/scripts/add_vscode_config.sh 添加插件配置到工作区 settings.json ，因为用户配置会被漫游覆盖，可自行添加到用户配置进行漫游后取消相关代码。