跳转至

5 分钟体验

跟着下面四步，快速跑通你的第一节 DL-Hub 课程。

Step 1: 克隆并安装

git clone https://github.com/skygazer42/DL-Hub.git
cd DL-Hub
python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt

详细安装步骤

如需 PyTorch GPU 版本或 conda 安装，请参阅 安装指南。

Step 2: 运行 Smoke Check

python scripts/smoke_check.py

确认 Python、PyTorch 等核心依赖均已就绪。

Step 3: 运行第一节课

使用 --dataset fake 跳过数据下载，直接用随机数据跑通训练流程：

python -m tracks.vision.lesson_01_mnist_lenet.train --dataset fake --epochs 1

预期行为

你会看到训练日志输出，包括每个 epoch 的 loss 和准确率。 使用 fake 数据时，准确率无实际意义，但 代码能跑通即说明环境正确。

Step 4: 查看所有课程

列出全部赛道：

python scripts/run_lesson.py --list

列出某条赛道下的所有课程：

python scripts/run_lesson.py vision --list
python scripts/run_lesson.py nlp --list
python scripts/run_lesson.py gnn --list

统一 CLI 参数

所有课程共享以下标准命令行参数：

参数 类型 默认值 说明
--dataset str 赛道默认 数据集名称，所有课程均支持 fake
--epochs int 1 训练轮数
--batch-size int 64 每批样本数
--learning-rate float 1e-3 学习率
--seed int 42 随机种子，确保可复现
--device str auto 设备选择：auto / cpu / cuda / mps
--max-train-batches int None 限制训练批次数（用于快速测试）
--max-eval-batches int None 限制评估批次数（用于快速测试）

组合使用示例

python -m tracks.vision.lesson_01_mnist_lenet.train \
    --dataset fake \
    --epochs 2 \
    --batch-size 32 \
    --device cpu \
    --max-train-batches 5

其他赛道快速体验

GNN 赛道

python -m tracks.gnn.lesson_01_gcn_node_classification.train --dataset fake --epochs 1

NLP 赛道

python -m tracks.nlp.lesson_01_text_classification_rnn.train --dataset fake --epochs 1

Foundations 赛道

python -m tracks.foundations.lesson_01_tensor_basics.run

离线测试利器：--dataset fake

--dataset fake 是 DL-Hub 的核心设计之一。它会生成与真实数据格式相同的随机数据， 让你在 无网络、无 GPU 的环境下也能验证代码逻辑。CI 测试中也大量使用此参数。

配合 --max-train-batches 2 --max-eval-batches 2，可以在几秒内完成一次完整的 训练-评估循环，非常适合快速迭代和调试。

下一步