教育人工智能深度学习【免费下载链接】pyre-codeA self-hosted ML coding practice platform. 68 problems from ReLU to flow matching — attention, training, RLHF, diffusion, and more. Instant feedback in the browser.项目地址https://gitcode.com/gh_mirrors/py/pyre-code点击查看免费下载Pyre Code是一个自托管的 ML 编码练习平台内置 76 道从 ReLU 到 flow matching 的 PyTorch 实现题浏览器内编写、本地判题、秒级反馈。本文带你用setup.sh 一键安装、conda 手动部署、Docker Compose 容器化部署三种方式快速搭建并附完整对比帮你 5 分钟内跑起自己的判题环境。部署前先看Pyre Code 的架构与端口部署 Pyre Code 前先了解它由哪几部分组成遇到问题时才知道往哪里查层级组件说明对应位置前端Next.js Monaco 编辑器浏览器代码编辑器与题目页面端口3000web/后端FastAPI 评测服务接收提交、调度判题端口8000grading_service/main.py判题引擎torch_judge76 道题目定义与测试用例执行torch_judge/存储SQLite进度与提交记录默认./data/pyre.db环境变量DB_PATH环境要求只有两条Python3.11Node.js18后端依赖包括fastapi、uvicorn、torch等见 pyproject.toml。全程无需 GPU判题引擎在 CPU 上即可完成所有测试。方式一setup.sh 一键安装推荐适合 macOS / Linux 新手一条脚本完成建环境、装依赖setup.sh 的完整流程是检测系统是否安装了uv有则优先用uv创建.venv并安装依赖否则回退到python3 -m venv安装 Node 前端依赖npm ci打印启动命令npm run devgit clone https://gitcode.com/gh_mirrors/py/pyre-code cd pyre-code ./setup.sh npm run dev跑起来后访问http://localhost:3000评测服务在http://localhost:8000。Windows 用户仓库同样提供了两个对应脚本setup.ps1PowerShell和 setup.batCMD逻辑与setup.sh完全一致# PowerShell .\setup.ps1 npm run dev 一个容易忽略的细节启动脚本会优先查找项目内的.venv来运行 Python找不到才回退到当前 shell 的python。这一逻辑在 scripts/run-python.js 中实现也是报错 Python environment not found 时的排查入口。方式二conda 手动部署如果你已经用 conda 管理 Python 环境常见于数据科学场景可以跳过 venv 直接复用 conda四步完成git clone https://gitcode.com/gh_mirrors/py/pyre-code cd pyre-code conda create -n pyre python3.11 -y conda activate pyre pip install -e .[dev] npm install npm run dev⚠️ 注意两点-e .[dev]会以可编辑模式安装判题引擎及pytest等开发依赖改题目代码后无需重装npm run dev前必须保证 conda 环境已激活否则启动器找不到正确的 Python方式三Docker Compose 容器化部署零 Python、零 Node 依赖一条命令起服务最适合服务器或想彻底隔离环境的用户git clone https://gitcode.com/gh_mirrors/py/pyre-code cd pyre-code docker compose up --builddocker-compose.yml 定义了grading与web两个服务值得关注的几个设计健康检查grading容器通过/health接口探活web会等评测服务健康后才启动避免端口起来了却连不上后端的窗口期资源限制grading容器限制为 3 核 CPU、4G 内存防止判题任务打满机器数据持久化进度存在pyre-data命名卷中重建容器不丢数据执行docker compose down -v可彻底重置CPU 版 PyTorchgrading.Dockerfile 特意安装 CPU-only 版 torch镜像体积从约 2GB 降到约 200MB前端多阶段构建web.Dockerfile 采用 deps → build → production 三阶段最终以非 root 用户运行 Next.js构建完成后打开http://localhost:3000即可使用。三种方式怎么选对比一览表维度setup.sh 一键安装conda 手动Docker Compose部署耗时⭐ 最快一条脚本中等首次构建较慢前置条件Python 3.11 Node 18已装 conda只需 Docker环境隔离项目级.venvconda 环境完全隔离适合场景本机日常练习、开发数据科学工作流服务器、团队共享数据重置删除.venv与data/删除 conda 环境docker compose down -v选择建议本地学习选setup.sh已有 conda 环境且希望统一管理选conda部署到服务器或想保证团队环境一致选Docker Compose。部署验证与常见问题部署完成后建议做三个验证浏览器打开http://localhost:3000能看到题目列表访问http://localhost:8000/health评测服务返回正常任选一道基础题如 ReLU提交代码能秒级看到逐条测试用例的通过/失败结果常见问题排查现象原因与解决ERROR: Python environment not found.venv不存在且当前 shell 无可用 Python重新跑一遍 setup 脚本或激活 conda 环境前端起来了但提交无反应评测服务8000 端口未启动Docker 下检查grading容器健康状态想重置学习进度删除./data/pyre.db或 Docker 下docker compose down -v可选启用 AI 辅助AI Help。复制 web/.env.example 为web/.env填入AI_HELP_BASE_URL、AI_HELP_API_KEY、AI_HELP_MODEL三个变量即可接入任意 OpenAI 兼容接口不配置也不影响核心判题功能用户仍可在页面内自行填写 API key。总结Pyre Code 的部署门槛很低三条路线都能覆盖——setup.sh / setup.ps1本机练习首选一键就绪conda无缝融入现有 Python 工作流Docker Compose服务器部署与团队协作的最稳方案搭好环境后建议从Fundamentals分类的 ReLU、Softmax 开始热身再沿「Transformer 内部机制 → 从零训练 GPT」的学习路径推进完整题目与路径说明可查阅 README_CN.md。赞分享教育人工智能深度学习【免费下载链接】pyre-codeA self-hosted ML coding practice platform. 68 problems from ReLU to flow matching — attention, training, RLHF, diffusion, and more. Instant feedback in the browser.项目地址https://gitcode.com/gh_mirrors/py/pyre-code点击查看免费下载相关推荐go-admin生产部署完全指南Docker、docker-compose与Kubernetes三种方案对比go admin生产部署完全指南Docker、docker compose与Kubernetes三种方案对比 go admin 是基于 Gin Vue 的后端认证鉴权GetQzonehistory免费导出QQ空间全部历史说说一次备份6个Excel、网页时间线和图片GetQzonehistory免费导出QQ空间全部历史说说一次备份6个Excel、网页时间线和图片 想找五年前那条 QQ 空间历史说说多半翻到手指发酸也停网页爬虫数据分析ArchiveBox 安装完全指南Docker Compose、uv 与裸金属三种部署方式详解ArchiveBox 安装完全指南Docker Compose、uv 与裸金属三种部署方式详解 ArchiveBox 是一款开源的自托管网页存档工具可将 U后端数据工程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考