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
# CPU 示例；CUDA/macOS 命令请按安装指南选择
python -m pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu
python -m pip install -e ".[vision]"

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

该命令运行覆盖 8 个 track 的精选离线案例，用于确认 Python、PyTorch 等核心依赖已就绪； 它不是 339 个课程的全量训练。使用 python scripts/smoke_check.py --list 可查看覆盖清单。

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

统一入口与课程参数

所有训练课程共享 --seed、--device、--run-name 三个核心参数；其他参数根据任务提供：

参数 适用范围 说明
--seed 所有训练课程 随机种子，确保可复现
--device 所有训练课程 auto / cpu / cuda / mps
--run-name 所有训练课程 输出目录中的运行名称
--dataset 部分真实数据课程 这些课程支持 fake 离线模式
--epochs / --steps 按任务提供 训练轮数或优化步数
--batch-size 按任务提供 每批样本数
--learning-rate / --lr 按任务提供 学习率
--max-train-batches / --max-eval-batches 按任务提供 限制批次数，便于快速验证

查询任意课程的准确参数：

python scripts/run_lesson.py gnn lesson_01_compact_graph_classification --describe

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_compact_graph_classification.train --epochs 1

NLP 赛道

python -m tracks.nlp.lesson_01_compact_text_classification.train --epochs 1

Foundations 赛道

python -m tracks.foundations.lesson_01_tensors.run

两种离线数据方式

MNIST 等可选真实数据课程使用 --dataset fake 生成同形状的测试数据； GNN、NLP、LLM 等 synthetic 课程本身就生成内置数据，因此不接受也不需要该参数。

如果课程提供 --max-train-batches / --max-eval-batches，可用它们缩短训练与评估； 具体能力以 run_lesson.py ... --describe 输出为准。

下一步