Deep Learning Systems：Algorithms and Implementation（2026 秋）

请帮我把「Deep Learning Systems：Algorithms and Implementation（2026 秋）」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://dlsyscourse.org/
我的系统：Windows。如果实际不符，先调整方案。
本次路线：个人notebook：本地或Colab。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：HW0–4 逐步构建 Needle：softmax、autodiff、模块/优化器、CPU/CUDA NDArray、卷积/RNN；最终项目扩展框架。https://dlsyscourse.org/assignments 。 官方 Homework 0 提供 Colab/GitHub 入口。运行 Colab 需个人 Google 账号；先检查 notebook 安装和导入单元，后续 C++/CUDA 环境按作业配置。mugrade 面向注册/候补学生，不把取得评分账号当作公众可用功能，也不自动提交。
课节（官方顺序）：
1. 8/25 · 1 - Introduction / Logistics：https://dlsyscourse.org/lectures
2. 8/27 · 2 - ML Refresher / Softmax Regression：https://dlsyscourse.org/lectures
3. 9/1 · 3 - Manual Neural Networks / Backprop：https://dlsyscourse.org/lectures
4. 9/3 · 4 - Automatic Differentiation：https://dlsyscourse.org/lectures
5. 9/8 · 5 - Automatic Differentiation Implementation：https://dlsyscourse.org/lectures
6. 9/10 · 6 - Optimization：https://dlsyscourse.org/lectures
7. 9/15 · 7 - Neural Network Library Abstractions：https://dlsyscourse.org/lectures
8. 9/17 · 8 - Normalization, Dropout, + Implementation：https://dlsyscourse.org/lectures
9. 9/22 · 9 - NN Library Implementation：https://dlsyscourse.org/lectures
10. 9/24 · 10 - Hardware Acceleration for Linear Algebra：https://dlsyscourse.org/lectures
11. 9/29 · 11 - Convolutional Networks：https://dlsyscourse.org/lectures
12. 10/1 · 12 - Hardware Acceleration + GPUs：https://dlsyscourse.org/lectures
13. 10/6 · 13 - Hardware Acceleration Implementation：https://dlsyscourse.org/lectures
14. 10/8 · 14 - Convoluations Network Implementation：https://dlsyscourse.org/lectures
15. 10/20 · 15 - Sequence Modeling + RNNs：https://dlsyscourse.org/lectures
16. 10/22 · 16 - Sequence Modeling Implementation：https://dlsyscourse.org/lectures
17. 10/27 · 17 - Transformers and Autoregressive Models：https://dlsyscourse.org/lectures
18. 10/29 · 18 - Transformers Implementation：https://dlsyscourse.org/lectures
19. 11/5 · 19 - Training Large Models：https://dlsyscourse.org/lectures
20. 11/10 · 20 - Generative Models：https://dlsyscourse.org/lectures
21. 11/12 · 21 - Generative Models Implementation：https://dlsyscourse.org/lectures
22. 11/17 · 22 - Customize Pretrained Models：https://dlsyscourse.org/lectures
23. 11/19 · 23 - Model Deployment：https://dlsyscourse.org/lectures
24. 11/24 · 25 - Future Directions / Q&A：https://dlsyscourse.org/lectures
25. 12/1 · 26 - Student project presentations：https://dlsyscourse.org/lectures
26. 12/3 · 26 - Student project presentations：https://dlsyscourse.org/lectures
27. 12/7 · x - Overflow student project presentations：https://dlsyscourse.org/lectures

1. 环境
- 无Google账号也可在个人目录按官方命令取得仓库，复用Python/NumPy，从src导入simple_ml，确认data/train-images-idx3-ubyte.gz存在且可读。不要执行mugrade提交单元；后续C++部分再按Makefile准备编译器/pybind11。Colab仅是可选运行方式。
- 官方hw0.ipynb给出git clone命令、本地.py开发与local tests说明；个人副本可在本地初始化。 这是个人学习获取依据；未确认统一开放转载/修改许可，本站仅提供官方链接，不镜像代码，不发布解答。原文件保持不变。
- 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
- 官方课程表与材料：只记录链接 https://dlsyscourse.org/lectures（仅保存链接；未确认统一下载许可，不批量复制课件或视频。）
- 官方个人学习起始代码：git clone --depth 1 https://github.com/dlsyscourse/hw0 到 official-starter/（许可：作者明确指引个人获取与练习；不等于本站转载/修改授权）；官方hw0.ipynb给出git clone命令、本地.py开发与local tests说明；个人副本可在本地初始化。 这是个人学习获取依据；未确认统一开放转载/修改许可，本站仅提供官方链接，不镜像代码，不发布解答。原文件保持不变。；本次准备个人学习副本，转载或发布修改版另按上述许可条件处理。
3. 目录（最外层放在我确认的位置）
cmu-dlsys-fall2026/
├── 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
├── official-starter/ # 官方材料
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-lesson-01/
    ├── 02-lesson-02/
    ├── 03-lesson-03/
    ├── 04-lesson-04/
    ├── 05-lesson-05/
    ├── 06-lesson-06/
    ├── 07-lesson-07/
    ├── 08-lesson-08/
    ├── 09-lesson-09/
    ├── 10-lesson-10/
    ├── 11-lesson-11/
    ├── 12-lesson-12/
    ├── 13-lesson-13/
    ├── 14-lesson-14/
    ├── 15-lesson-15/
    ├── 16-lesson-16/
    ├── 17-lesson-17/
    ├── 18-lesson-18/
    ├── 19-lesson-19/
    ├── 20-lesson-20/
    ├── 21-lesson-21/
    ├── 22-lesson-22/
    ├── 23-lesson-23/
    ├── 24-lesson-24/
    ├── 25-lesson-25/
    ├── 26-lesson-26/
    └── 27-lesson-27/
- 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。
  - 个人初始化操作：无Google账号也可在个人目录按官方命令取得仓库，复用Python/NumPy，从src导入simple_ml，确认data/train-images-idx3-ubyte.gz存在且可读。不要执行mugrade提交单元；后续C++部分再按Makefile准备编译器/pybind11。Colab仅是可选运行方式。  → 官方起始导入/数据读取或程序启动成功；题目未解答、未评分或提交。其他系统仍需分别实测。
- 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。