Pull Request has been successfully merged by CANN-robot.
（Thank you for pescn's contribution.）
Thanks for your pull-request.
The full list of commands accepted by me can be found at here。
You can get sig-info at here
PR Approval Progress
✅ Congratulations! All modules have met the lgtm and approve requirements.
Module Approval Details
| module | lgtm status | approve status |
|---|---|---|
| repo-cann/cann-learning-hub | ✅ 田晓亮, fuyangchenghu (2/2) | ✅ 田晓亮, fuyangchenghu (2/1) |
💡 Tip:
- Committer can comment
/approveor/lgtm- Commenting
/approveimplies both code review (lgtm) and intent to merge (approve)
CLA Signature Pass
pescn, thanks for your pull request. All authors of the commits have signed the CLA. 👍
1.pip依赖安装增加指定国内pip源，当前依赖安装速度很慢。
2.在线环境测试pip依赖安装完需要重启Kernel才会生效，优先可以看看有无解决方案，没有的话可以写到步骤里说明下。
3.文本测试中输出不太合规，需要调整下输入文本
4.使用了swanlab的代码块执行后不会自动跳转下一个代码块，需要手动跳转下一个代码块执行。可以看看能不能解决，不行的话最好到那一步说明下，尤其是训练那个步骤耗时很长，连续点执行会重复执行
/lgtm
/approve
1.pip依赖安装增加指定国内pip源，当前依赖安装速度很慢。
2.在线环境测试pip依赖安装完需要重启Kernel才会生效，优先可以看看有无解决方案，没有的话可以写到步骤里说明下。
3.文本测试中输出不太合规，需要调整下输入文本
4.使用了swanlab的代码块执行后不会自动跳转下一个代码块，需要手动跳转下一个代码块执行。可以看看能不能解决，不行的话最好到那一步说明下，尤其是训练那个步骤耗时很长，连续点执行会重复执行
关于您反馈的问题1和3已经确认并修复：
问题 2 我们目前测试不需要重启也是可以跑的，因为前面最开始就通过 %pip 安装了这些包，然后才是调用这些包，在 Jupyter 中实现的行为是正常的
问题 4 是因为在运行 swanlab 的代码块这个会弹出一个输入框要求学生输入密钥，但在 CANNLab 上会出现在窗口在页面上方而非 Cell 下方的 Output 中，这里确实容易看漏，因此这里我们在这一步的文档中提示了学生看上方，同时在课程授课过程中，是由老师带着大家看的
notebook需要按照01.01_XXXX.ipynb命名，后台数据库会对_进行分隔，分别统计数据，其他notebook相同
PDF建议新建目录存放
/lgtm
/approve
Review Guide
This pull-request passes review.
Committers who wrote a comment of /approve are: 田晓亮, fuyangchenghu.
Reviewers who wrote a comment of /lgtm are: fuyangchenghu, 田晓亮.
The MR can not be merged, because of CodeReview discussion not resolved
If you want to solve this problem, you can click here to do it in the FAQs.
Review Guide
This pull-request passes review.
Committers who wrote a comment of /approve are: 田晓亮, fuyangchenghu.
Reviewers who wrote a comment of /lgtm are: fuyangchenghu, 田晓亮.
描述
本课程面向高校在校学生，结合 SwanLab 团队正在开展的线下启航营实践内容，围绕 Qwen3 系列模型在昇腾 NPU 上的训练与加速展开。
本 PR 包括大语言模型微调实战课程中第一章：Qwen3 基座模型指令微调（SFT）的内容
类型标签
其他说明
第二章课程数据集部分还在做合规和脱敏，因此临时处于占位符状态