一、实验开发中常见的几个词

概念	中文理解	最简单解释	主要作用
Checkpoint	检查点 / 存档	像游戏存档	保存模型当前状态，以后继续训练或重新加载
Toy Version	玩具版 / 极简版	把真实问题缩小	用很小的数据和简单场景先验证思路
Smoke Test	冒烟测试	先看看能不能跑	用极小数据快速检查程序有没有明显错误
WP	Work Package	工作包 / 任务阶段	把一个大实验拆成 WP1、WP2、WP3 等
Freeze	冻结	确定以后不再变化	保证不同实验使用同一份数据

概念	中文 / 含义	主要功能	通俗理解
Host / Host Machine	宿主机	真正提供 CPU、内存、GPU、磁盘等资源的电脑或服务器	真正的那台电脑。沙箱、Conda 环境、Python 程序最终都运行在它上面
Sandbox	沙箱	给程序提供一个受限制、隔离的运行环境，限制它访问系统、GPU、文件、sudo 等资源	像把程序关在一个安全小房间里。房子里虽然有 GPU，但这个房间可能没有访问 GPU 的钥匙
/dev/nvidia*	Linux 中 NVIDIA GPU 的设备节点	让程序通过操作系统访问 NVIDIA GPU	可以理解成程序访问 GPU 的入口/门。如果沙箱里没有这些入口，程序可能看不到 GPU
GPU	Graphics Processing Unit，图形处理器	大规模并行计算，尤其擅长矩阵运算、深度学习训练	真正干计算活的硬件。RTX 4090 就是一种 GPU
RTX 4090	NVIDIA 的一款 GPU 型号	可以用于游戏、图形渲染以及深度学习训练	就像 CPU 有 i7、i9，不同 GPU 也有不同型号，RTX 4090 是具体型号
VRAM / GPU Memory	显存	GPU 工作时临时存放模型参数、数据、梯度和中间结果	GPU 自己的内存。RTX 4090 大约有 24GB 显存
CUDA OOM	CUDA Out Of Memory	表示运行 GPU 程序时显存不够	就像桌子已经摆满东西了，再放东西就放不下。通常要减小 batch size 等
NVIDIA Driver	NVIDIA 显卡驱动	让操作系统和软件能够正确识别、控制 NVIDIA GPU	GPU 和软件之间的控制员 / 翻译员。有 GPU 但驱动有问题，也可能用不了
nvidia-smi	NVIDIA GPU 状态查看命令	查看 GPU 型号、驱动版本、显存使用、GPU 利用率、使用 GPU 的进程等	相当于 GPU 的仪表盘。想知道显卡现在怎么样，首先经常运行它
GPU-Util	GPU Utilization，GPU 利用率	表示 GPU 最近有多大比例的时间在进行计算	例如 95% 可以理解为 GPU 很忙；0% 表示当前基本没在计算，但不能仅靠它判断程序是否有问题
CUDA	NVIDIA 的 GPU 通用计算平台	让程序可以利用 NVIDIA GPU 进行深度学习、矩阵计算等	让软件使用 NVIDIA GPU 计算的一套技术体系。GPU 是硬件，CUDA 不是硬件
PyTorch	深度学习框架	搭建 Transformer、神经网络，完成训练、反向传播、优化等	你写模型时真正经常直接使用的深度学习工具，例如 import torch
device	计算设备	指定模型和数据到底放 CPU 还是 GPU 上计算	device="cpu" = CPU 算；device="cuda" = NVIDIA GPU 算
torch.cuda.is_available()	PyTorch 的 GPU 可用性检查	判断当前 PyTorch 是否能够正常使用 CUDA GPU	返回 True = 当前 PyTorch 能用 GPU；False = 当前不能用，但不一定代表显卡坏了
torch.cuda.get_device_name(0)	查看 PyTorch 识别到的 GPU	查看第 0 张 CUDA GPU 是什么型号	例如输出 NVIDIA GeForce RTX 4090，说明 PyTorch 已经真正识别到了这张显卡
torch.version.cuda	PyTorch 对应的 CUDA 版本	查看当前安装的这份 PyTorch 是按照哪个 CUDA 版本构建的	主要用于检查 PyTorch 和 CUDA 的版本关系
CUDA Toolkit	CUDA 开发工具包	提供 CUDA 编译器、开发库、头文件和各种开发工具	如果 CUDA 是一套 GPU 计算体系，那么 Toolkit 就是 NVIDIA 提供的开发工具箱
nvcc	NVIDIA CUDA Compiler，CUDA 编译器	编译 CUDA 程序	类似 Java 有 javac，CUDA 代码也有自己的编译器 nvcc
nvcc --version	查看 CUDA 编译器版本的命令	查看本机 CUDA Toolkit / nvcc 的版本	主要检查 CUDA Toolkit 版本，和 nvidia-smi 看的东西不完全一样
Conda	环境管理 + 软件包管理工具	创建独立 Python 环境，并安装、管理各种软件依赖	相当于给不同项目准备独立的软件房间，防止 Python、PyTorch 等版本互相冲突
Conda Environment	Conda 环境	给某个项目单独保存 Python 和各种依赖版本	例如项目 A 用 Python 3.9，项目 B 用 Python 3.11，可以分别放在两个 Conda 环境里
conda create	创建 Conda 环境	新建一个独立的软件环境	例如 conda create -n test python=3.9 = 创建叫 test 的 Python 3.9 环境
conda activate	激活 Conda 环境	切换到某个 Conda 环境	conda activate test = 现在开始使用 test 这个环境里的 Python 和软件包
conda deactivate	退出当前 Conda 环境	离开当前环境	相当于从这个软件房间里出来
environment.yml	Conda 环境配置文件	记录实验需要哪些 Python 版本、软件包和版本	相当于实验环境的配方单。别人拿到它，可以按照配方重新搭建环境
conda env create -f environment.yml	根据配置文件创建环境	自动按照 environment.yml 安装整个实验环境	相当于告诉 Conda：照着这张配方单给我搭一个环境
pip	Python 包管理工具	安装和管理 Python 软件包	例如 pip install numpy 就是安装 numpy。它主要负责安装 Python 包
Conda vs pip	两种常见的软件管理工具	Conda 擅长管理整个环境，也能装包；pip 主要安装 Python 包	可以简单记：Conda 管“房间”，pip 往房间里“装东西”
Conda vs Sandbox	两种完全不同的“隔离”	Conda 解决软件版本冲突；Sandbox 解决权限和安全问题	Conda：你用什么软件；Sandbox：你有权访问什么东西

最核心的关系，你只需要记住这一条：

Python程序 → PyTorch → CUDA → NVIDIA Driver → GPU

而另外两个在旁边负责管理：

Conda：管理 Python、PyTorch 等软件环境。
Sandbox：管理程序有没有权限访问 GPU、系统文件、sudo 等资源。

比如你实际训练 Transformer 时，可以想成：

Conda 环境（Python 3.9、PyTorch、各种依赖）↓

Python训练代码↓

PyTorch↓

CUDA↓

NVIDIA Driver↓

RTX 4090 GPU↓

24GB 显存

而 Sandbox 像最外面的一层门禁：即使 RTX 4090、驱动、CUDA 都正常，如果沙箱不给访问 GPU 的权限，里面的程序仍然可能看不到 GPU。

最后给你一个超简版速查表

看到这个词	第一反应
GPU	做大量并行计算的硬件
RTX 4090	一种 NVIDIA GPU
VRAM / 显存	GPU 自己的内存
Driver	控制 GPU 的驱动
CUDA	让程序使用 NVIDIA GPU 计算
PyTorch	深度学习框架
nvidia-smi	查看 GPU 状态
nvcc	CUDA 编译器
Conda	管理独立软件环境
pip	安装 Python 包
environment.yml	环境安装配方
Sandbox	权限受限的安全运行环境
Checkpoint	模型存档
Toy Version	极简小版本
Smoke Test	快速检查能不能跑
KG	知识图谱
Manifest	数据清单
MovieLens ID	数据集原始电影编号
Model ID	模型重新分配的连续编号
Padding	补空位
input_ids	输入模型的数据编号
attention_mask	标出哪些位置有效
lengths	真实数据长度
labels	正确答案
Transformer	根据序列学习和预测
Causal Transformer	只能看过去预测未来
Score	模型预测分数
Candidate	最终候选项
Top-K	取分数最高的前 K 个

这张最后的表其实最适合你保存下来，后面做实验遇到这些词直接查就行。