PyTorch Distributed Overview

请帮我把「PyTorch Distributed Overview」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://docs.pytorch.org/tutorials/beginner/dist_overview.html
我的系统：Windows。如果实际不符，先调整方案。
本次路线：浏览器或在线环境。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：本页为概览与索引页，后续练习请以所打开教程页面的说明为准；节选未说明练习所需环境。
课节（官方顺序）：
1. PyTorch Distributed Overview：https://docs.pytorch.org/tutorials/beginner/dist_overview.html
2. Distributed Data Parallel in PyTorch - Video Tutorials：https://docs.pytorch.org/tutorials/beginner/ddp_series_intro.html
3. Getting Started with Distributed Data Parallel：https://docs.pytorch.org/tutorials/intermediate/ddp_tutorial.html
4. Writing Distributed Applications with PyTorch：https://docs.pytorch.org/tutorials/intermediate/dist_tuto.html
5. Getting Started with Fully Sharded Data Parallel (FSDP2)：https://docs.pytorch.org/tutorials/intermediate/FSDP_tutorial.html
6. Introduction to Libuv TCPStore Backend：https://docs.pytorch.org/tutorials/intermediate/TCPStore_libuv_backend.html
7. Large Scale Transformer model training with Tensor Parallel (TP)：https://docs.pytorch.org/tutorials/intermediate/TP_tutorial.html
8. Introduction to Distributed Pipeline Parallelism：https://docs.pytorch.org/tutorials/intermediate/pipelining_tutorial.html
9. Customize Process Group Backends Using Cpp Extensions：https://docs.pytorch.org/tutorials/intermediate/process_group_cpp_extension_tutorial.html
10. Getting Started with Distributed RPC Framework：https://docs.pytorch.org/tutorials/intermediate/rpc_tutorial.html
11. Implementing a Parameter Server Using Distributed RPC Framework：https://docs.pytorch.org/tutorials/intermediate/rpc_param_server_tutorial.html
12. Implementing Batch RPC Processing Using Asynchronous Executions：https://docs.pytorch.org/tutorials/intermediate/rpc_async_execution.html
13. Interactive Distributed Applications with Monarch：https://docs.pytorch.org/tutorials/intermediate/monarch_distributed_tutorial.html
14. Debugging Hangs with Flight Recorder Using TorchComms and Debug Server：https://docs.pytorch.org/tutorials/intermediate/debug_hangs_with_flight_recorder.html
15. Combining Distributed DataParallel with Distributed RPC Framework：https://docs.pytorch.org/tutorials/advanced/rpc_ddp_tutorial.html
16. Distributed Training with Uneven Inputs Using the Join Context Manager：https://docs.pytorch.org/tutorials/advanced/generic_join.html
17. Distributed training at scale with PyTorch and Ray Train：https://docs.pytorch.org/tutorials/beginner/distributed_training_with_ray_tutorial.html

1. 环境
- 浏览器（阅读本页无需安装）
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://docs.pytorch.org/tutorials/beginner/dist_overview.html
3. 目录（最外层放在我确认的位置）
pytorch-distributed-overview/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.md     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-01-pytorch-distributed-overview/
    ├── 02-02-distributed-data-parallel-in-pytorch/
    ├── 03-03-getting-started-with-distributed-data/
    ├── 04-04-writing-distributed-applications-with-pytorch/
    ├── 05-05-getting-started-with-fully-sharded/
    ├── 06-06-introduction-to-libuv-tcpstore-backend/
    ├── 07-07-large-scale-transformer-model-training/
    ├── 08-08-introduction-to-distributed-pipeline-parallel/
    ├── 09-09-customize-process-group-backends-using/
    ├── 10-10-getting-started-with-distributed-rpc/
    ├── 11-11-implementing-a-parameter-server-using/
    ├── 12-12-implementing-batch-rpc-processing-using/
    ├── 13-13-interactive-distributed-applications-with-mon/
    ├── 14-14-debugging-hangs-with-flight-recorder/
    ├── 15-15-combining-distributed-dataparallel-with-distr/
    ├── 16-16-distributed-training-with-uneven-inputs/
    └── 17-17-distributed-training-at-scale-with/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.md，逐项检查并记录“通过/未通过”：
- 按浏览器或在线 notebook 清单检查，不为自检安装本机终端。
  - 打开 https://docs.pytorch.org/tutorials/beginner/dist_overview.html  → 页面标题显示 PyTorch Distributed Overview，左侧导航含 Distributed 分组
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。