云端部署指南
版本： v1.0
最后更新： 2026-06-03
本指南说明如何在云端运行所有实验，适合没有本地 GPU 或不想配置本地环境的用户。
优势： 免费 GPU、无需配置、一键启动
Google Colab（免费，推荐）
特点
- ✅ 免费 T4 GPU
- ✅ 每天 4-6 小时使用时间
- ✅ 无需本地配置
- ✅ 适合学习第 1-6 章
快速开始
- 访问 Google Colab
- 新建 Notebook
- 复制下方代码到第一个 Cell 并运行：
python
# 克隆仓库
!git clone https://github.com/datawhalechina/signal-to-intelligence.git
%cd signal-to-intelligence
# 安装依赖
!pip install -e . -q
# 运行第一个实验
!python code/ch01_dsp/fft_spectrum.py完整工作流
python
# Cell 1: 环境设置
!git clone https://github.com/datawhalechina/signal-to-intelligence.git
%cd signal-to-intelligence
!pip install -e . -q
# Cell 2: 运行实验
!python code/ch01_dsp/fft_spectrum.py
# Cell 3: 查看生成的图表
from IPython.display import Image, display
display(Image('assets/ch01_fft_spectrum.png'))
# Cell 4: 运行测试
!pytest tests/test_ch01_dsp.py -v注意事项
- 文件保存在 Colab 会话中，关闭后丢失
- 要永久保存，下载文件或用 Google Drive 挂载
- 长期运行可能被中断（有超时限制）
Kaggle Notebooks（免费，备选）
特点
- ✅ 免费 P100 GPU
- ✅ 每周 30 小时使用时间
- ✅ 无需本地配置
- ✅ 比 Colab 时间更长
快速开始
- 访问 Kaggle
- 创建新 Notebook
- 复制下方代码：
python
# 克隆仓库
!git clone https://github.com/datawhalechina/signal-to-intelligence.git
%cd signal-to-intelligence
# 安装依赖
!pip install -e . -q
# 运行实验
!python code/ch01_dsp/fft_spectrum.pyCNB 云原生开发环境（推荐，即将开放）
特点
- ✅ 预配置的 Linux + NVIDIA GPU 环境
- ✅ 已安装所有依赖
- ✅ 持久化存储
- ✅ 无需配置
待补充内容
CNB 项目空间配置完成后，将提供：
- 一键启动链接
- 环境快照
- 存储配置指南
敬请期待。
Docker（本地隔离环境）
如果想在本地用隔离环境，可用 Docker。
CPU 版本
bash
make docker-upGPU 版本
bash
make docker-up-gpu详见
deploy/docker-compose.yml（CPU）deploy/docker-compose.gpu.yml（GPU）
对比表
| 方案 | 免费 GPU | 时限 | 配置 | 推荐指数 |
|---|---|---|---|---|
| Google Colab | ✅ T4 | 4-6h/天 | 无需 | ⭐⭐⭐⭐⭐ |
| Kaggle | ✅ P100 | 30h/周 | 无需 | ⭐⭐⭐⭐ |
| CNB | ✅ 多种 | 无限 | 一键 | ⭐⭐⭐⭐⭐ |
| Docker | ❌ | 无限 | 中等 | ⭐⭐⭐ |
常见问题
Colab 超时怎么办？
Colab 会在无操作 90 分钟后断开连接。
- 定期交互（点击、输入）保持连接
- 改用 Kaggle（30h/周，较少中断）
- 等待 CNB 开放
如何在云端保存文件？
Google Colab：
python
# 挂载 Google Drive
from google.colab import drive
drive.mount('/content/drive')
# 保存文件
!cp assets/ch01_fft_spectrum.png /content/drive/MyDrive/Kaggle： 文件自动保存到 Notebook 输出。
能运行第 7 章的重度实验吗？
Google Colab：
- T4 GPU 显存 16GB，可运行 7B 模型的量化版（INT4）
- 建议用 Colab 的 A100 升级版（付费）
Kaggle：
- P100 显存 16GB，同样限制
- 大模型推理建议用 CNB
云端访问本地文件？
不支持。需要：
- 上传文件到云端
- 或用 Google Drive / S3 等存储
工作流示例：Colab 中学习第 5 章
python
# Cell 1: 初始化
!git clone https://github.com/datawhalechina/signal-to-intelligence.git
%cd signal-to-intelligence
!pip install -e ".[llm]" -q
# Cell 2: 设置 API（如果用 API）
import os
os.environ['DEEPSEEK_API_KEY'] = 'your-key-here' # 或其他 API
# Cell 3: 运行离线实验
!python code/ch05_llm_basics/bpe_tokenization.py
# Cell 4: 查看图表
from IPython.display import Image, display
display(Image('assets/ch05_bpe_tokenization.png'))
# Cell 5: 运行 API 实验
!python code/ch05_llm_basics/llm_api_demo.py
# Cell 6: 运行测试
!pytest tests/test_ch05_llm_basics.py -v