CUDA、cuDNN 与 PyTorch 版本为什么不能只看一个号
CUDA、cuDNN 与 PyTorch 版本为什么不能只看一个号 难度：进阶。本文为中文技术整理，保留来源中的技术边界；示例只用于阅读，未在本服务器执行。 框架有编译时和运行时依赖。容器中的动态库、框架 wheel 和宿主机驱动共同决定结果；nvidia-smi 显示的 CUDA Version
用 Docker 分开训练、评估和推理
用 Docker 分开训练、评估和推理 难度：进阶。本文为中文技术整理，保留来源中的技术边界；示例只用于阅读，未在本服务器执行。 训练服务需要 GPU、数据和 checkpoint；评估服务需要固定数据和指标；推理服务只保留运行依赖。健康检查要区分进程存活、依赖可用和模型就绪。 示例 service
从 latest 到可复现：深度学习镜像依赖锁定
从 latest 到可复现：深度学习镜像依赖锁定 难度：进阶。本文为中文技术整理，保留来源中的技术边界；示例只用于阅读，未在本服务器执行。 可复现训练至少需要锁定基础镜像 digest、Python 依赖、框架版本、代码提交和数据版本。requirements 文件只锁住了一层，不能单独解决环境漂移
容器里的 GPU 显存、CPU 内存与共享内存
容器里的 GPU 显存、CPU 内存与共享内存 难度：入门。本文为中文技术整理，保留来源中的技术边界；示例只用于阅读，未在本服务器执行。 GPU OOM、CPU OOM 和 /dev/shm 不足不是同一种故障。模型和 batch 主要消耗显存，DataLoader 多进程可能消耗共享内存，数据缓存
深度学习训练容器的数据卷设计
深度学习训练容器的数据卷设计 难度：入门。本文为中文技术整理，保留来源中的技术边界；示例只用于阅读，未在本服务器执行。 代码、数据、缓存和 checkpoint 应分开管理。训练容器删除后，模型检查点和日志仍应存在；数据通常只读挂载，结果目录单独持久化。记录代码提交、镜像和数据版本。 示例 serv
深度学习 Docker 镜像怎么选：CUDA、框架与架构的三层匹配
深度学习 Docker 镜像怎么选：CUDA、框架与架构的三层匹配 难度：入门。本文为中文技术整理，保留来源中的技术边界；示例只用于阅读，未在本服务器执行。 宿主机驱动、容器 CUDA 用户态库和 PyTorch/TensorFlow 构建版本是三层依赖。先确认 GPU 架构与驱动，再选 CUDA
Django 数据库事务：atomic、回滚边界与 on_commit
Django 数据库事务：atomic、回滚边界与 on_commit 类型：Django 官方文档 Managing database transactions 中文解读。本文保留官方对 autocommit、atomic()、savepoint、on_commit() 和异常处理的原意；示例为独
Vue 3 watch 与 watchEffect：异步请求、深度监听和清理
Vue 3 watch 与 watchEffect：异步请求、深度监听和清理 类型：Vue 官方 Watchers 文档中文解读。示例保持官方 API 的含义，并补充请求竞态的解释；没有把官方示例宣称为本项目实测。Vue 版本差异会影响可用选项，尤其是 onWatcherCleanup() 与 on
