一百页的背后

这是前言，却是这篇实验报告中，最后写的。

我花了很长的时间再这个大作业上，从一句句拆解代码，到反复修改参数调整模型。干了这么多，我的收获也不算小吧，100多页的实验报告，全是小推车般缓缓前行的印记，话说这么长的篇幅，是不是都可以出本书了。

已经算不清用了多少心思在这里，写完之后，比自豪、轻松更多的，是空然、失落。有时候我也会想，如果选择其他的实验，内容会不会少很多；我也有过危险的想法，例如觉得花这么多时间，真的值得吗。我不知道。我只知道，我能够熟练地将代码提交到 GPU 集群上运行；我只知道，那些神圣的名词走到我身边，会对着我喊 "error!" "warning!"；我只知道，这篇实验报告用上了我喜欢的配色，点击链接时的跳转让我觉得这像一本书了。

这个工作量在我的意料之外。实验提出了很多项目、设置了非常详细的探究过程，但是我觉得，有的题没有很大的必要。有的放矢才能事半功倍，我觉得，实验的目的应该更明确一些。比如，如果着重了解 CNN 识别图像的过程，那么可以拆解一份代码（如 CNNv1.py）的每一个步骤，从图像处理到模型的建构，而调整参数部分可以忽略；如果想对参数有更深刻的认识，可以给一份代码，侧重于调整参数、绘制相关可视化图像，其他部分可以简略一些。这次的实验太面面俱到了，工程十分艰巨。

代码的运行占据了最多的时间，我需要等待结果出来才能调整好下一步。我最开始使用 GPU 时，运行的速度非常快，是自己电脑的好几倍，但是不知道为什么，最近的 GPU 运行得不怎么快了，甚至不如我的电脑。这很大程度上限制了我的进度。同时对 GPU 集群操作的学习、GPU 上报错的解决，也费了很大功夫。当然，这些时间的耗费是不可避免的，是掌握一系列操作的必经之路。下次使用 GPU 集群时，我一定会少花很多时间。期间甚至有某同学向我抱怨，我交了太多需要运行比较久的任务，一直在找我，喋喋不休，甚至想让我把它们终止掉，（谢谢他教我 qstop 这个命令），我有点委屈，我也是在等结果，我也想让它们快点。但是，就像排队，讲究先来后到的公平，这点素质还是要有吧。他能保证他的任务能在我期望的时间内运行完吗。如果自己真的急，为什么不在我前面交。还需要我老老实实地告诉他，我的代码都做了些什么，这属实管得太宽了吧。（小插曲而已，但是小水滴也能折射阳光）

这算是我入门人工智能的起点吧，我觉得这个起点对于大一的学生来说，非常高了。感谢课程组老师们的 “托举” 。

雄关漫道真如铁，而今迈步从头越。

Brilliant_Pig

2025年6月13日