这是环境准备教程。下方检查代码尚未在新的 Kaggle 会话中复测；完整录屏和部署步骤已整理在DeepSeek 双 T4 教程。
1. 设置运行环境
- 登录 Kaggle，新建一个 Notebook。平台可能要求完成账号验证。
- 在 Session options 中选择可用的 GPU。若显示 T4 ×2，运行后仍需用命令确认实际设备。
- 开启 Internet，供后续下载依赖和模型使用。
- 查看 GPU 剩余额度及 Persistence 设置。不要把会话临时文件当作永久备份。
没有 GPU 选项时，先检查账号资格、当前配额和平台资源供应。博客无需注册，Kaggle 本身仍需要账号。
2. 执行一次环境检查
把下面代码放进 Python 单元格运行，或者直接下载 Notebook 导入 Kaggle。它会读取设备、磁盘信息，并请求两个公开网站检查网络连通性。
下载环境检查 Notebookimport os, shutil, subprocess, urllib.request
from pathlib import Path
print("工作目录:", Path.cwd())
print("Kaggle 工作区:", Path("/kaggle/working").exists())
print("可用磁盘 GB:", round(shutil.disk_usage(".").free / 1e9, 1))
if shutil.which("nvidia-smi"):
result = subprocess.run(
["nvidia-smi", "--query-gpu=name,memory.total", "--format=csv"],
capture_output=True, text=True, timeout=30
)
print(result.stdout if result.returncode == 0 else result.stderr)
else:
print("未找到 nvidia-smi，请检查 GPU 设置与会话状态。")
for url in ["https://ollama.com", "https://huggingface.co"]:
try:
with urllib.request.urlopen(url, timeout=15) as response:
print(url, response.status)
except Exception as exc:
print(url, type(exc).__name__, str(exc))3. 看懂检查结果
| 检查项 | 应该关注什么 |
|---|---|
| GPU 列表 | 设备名称、数量和每张显卡显存；两张 T4 是独立设备。 |
| 网站请求 | HTTP 200 表示该地址此刻可访问，不保证模型下载端点也可访问。 |
| 可用磁盘 | 需要容纳模型、依赖和下载过程中的临时文件。 |
| 工作目录 | 在 Kaggle 中使用 /kaggle/working 保存输出，并按平台方式导出所需文件。 |
4. 几个容易误解的地方
T4 ×2 不代表所有模型都能使用 32 GB 显存。是否跨卡运行取决于推理框架、模型和加载策略，必须查看实际运行状态。
模型下载完成，不等于已使用 GPU 推理。后续需要结合实际请求、GPU 状态和 Ollama 运行列表确认。
Kaggle 是有配额的临时计算环境。可用资源、会话时长和政策以平台当时显示为准，不适合作为永久在线服务的承诺。
常见问题
出现 DNS 或连接错误怎么办？
确认 Internet 已开启，并单独检查报错域名。也可能是临时网络、证书或平台限制，不要一律归因于同一个问题。
能直接把 Ollama 的接口暴露到公网吗？
完整教程需要先设计访问认证。HTTPS 隧道只加密传输，不会自动给接口增加身份验证；不要分享无保护的模型接口。
在哪里看完整视频？
前往完整部署教程，可观看视频、复制脚本和下载 Notebook。