复现与实验追踪：从 notebook 到可信结果

Notebook适合探索，却容易隐藏执行顺序、手工状态和未保存参数。可信实验要把数据版本、代码提交、配置、环境、随机性、指标和产物绑定成一次不可混淆的运行。

配置即记录

学习率、模型、切分、增强、种子与硬件写入配置，由脚本读取；不要靠改代码常量后忘记。每次运行保存完整解析配置和代码提交号。

环境

锁定框架、CUDA与依赖版本，记录驱动和硬件。完全确定性可能降低性能且部分算子无确定实现，需说明确定性级别并跑多种子区间。

数据版本

保存原始数据校验和、清洗脚本和切分清单。外部链接内容会变化，不能只记URL。隐私数据记录访问与派生规则，不复制到公开仓库。

检查点

保存模型、优化器、调度器、随机状态和训练步，才能真正续训。只存权重可做推理，却不能保证恢复同一优化轨迹。

从零复现

让另一人在干净环境按一条命令重建关键表格。若还需作者口头点Notebook单元格，流程未交付。

日志平台中的图不是唯一记录，导出原始指标和配置到开放格式。外部服务失效后仍应能重画图表。秘密和个人数据不得写入配置仓库，使用受控环境变量并提供无敏感示例。

任务：把一个D2L notebook改成配置化脚本，固定数据清单并完成独立复现。