ROADMAP
如果有课或轮转，宁可拉长周期，也不要只看视频不写代码。先专心走完 30 项核心，拓展资源只在需要时查阅。
HANDS-ON MILESTONES
ENVIRONMENT
CV 开发以 PyTorch + torchvision + OpenCV 为核心栈。分类/检测/分割都需要 GPU； 学习阶段用 Colab 或本地显卡起步，训练大模型或 ViT 时再用实验室服务器。
从 conda.io/miniconda 下载安装包。conda 为每个项目建立独立 Python 环境，避免包版本互相污染。
# 创建并激活名为 llm 的环境
conda create -n llm python=3.11 -y
conda activate llm先运行 nvidia-smi 查看显卡与 CUDA 驱动版本，再到 pytorch.org 选择器复制命令。无显卡用 CPU 版。
# CPU 版（学习 Prompt/RAG/Agent 足够）
pip install torch
# GPU 版请以官网选择器为准，形如：
pip install torch --index-url https://download.pytorch.org/whl/cu121一条命令装好图像处理、增强、预训练模型与可视化核心库。
pip install torch torchvision \
opencv-python albumentations \
timm scikit-learn pandas matplotlib jupyter运行下面命令，看到版本号即成功。然后安装 VS Code 及 Python、Jupyter、Remote-SSH 插件。
python -c "import torch, cv2, timm; \
print(torch.__version__, cv2.__version__, \
torch.cuda.is_available())"
# 期望输出形如: 2.x.x 4.x.x TrueFAQ