简介山东大学软件学院2022级人工智能导论课程实验的完整学习包覆盖实验一至实验四包含MNIST手写数字识别、CNN卷积神经网络、ResNet18残差网络、CGAN条件生成对抗网络等经典深度学习任务适合软件工程及相关专业本科生、人工智能入门者用于课程对照与实践。资源共74个文件以Python源码.py、实验报告.docx、MNIST数据集.gz/.ubyte、过程图片.png及打包好的源码zip为主体压缩包整体约185.78MB目录按实验一至实验四分模块整理便于查找与复盘。目前已有195人学习下载可用于课程作业参考、实验环境搭建与模型训练排错帮助读者理解经典算法原理和PyTorch实现细节是提升动手能力的实用资料。 每年带新人入门AI我都会先问一个问题你做过完整的AI小项目吗结果十有八九回答是“调过模型”“跑过别人的代码”真正从数据到模型再到结果分析自己走一遍的少之又少。山东大学软件学院2022级人工智能导论实验恰恰就是这样一个逼着你把AI“全流程”走一遍的课程。别被“导论”两个字骗了它不是那种放几个概念PPT、再让AI生成几张图的科普课而是实打实要你动手写代码、调参数、写报告的专业课。今天这篇复盘我想从课程设计逻辑、核心实验任务、实操踩坑记录、以及对AI人才培养的启示四个角度把这门实验课拆开揉碎聊一聊。不管是正在上这门课的学弟学妹、准备设计相关课程的老师还是想自学AI入门的人都能从里面找到点能直接用上的东西。1. 这门实验课到底在练什么——别被“AI导论”四个字骗了1.1 课程定位导论不等于科普很多人一听到“导论”两个字就默认这是门水课。但山东大学软件学院给2022级开的这门人工智能导论实验定位非常明确它不是科普而是专业核心课的实践环节。整门课的核心目标不是让你记住一堆算法名词而是让你亲手完成“问题定义—数据准备—模型选择—训练调优—评估迭代”这一整套AI解决问题的闭环。这个过程听起来抽象打个比方就清楚了。学AI好比学做饭光看菜谱背概念你永远不知道火候是怎么回事只有真的下过厨房、炒糊过几道菜、尝过咸淡才能慢慢形成手感。这门实验课就是那个“厨房”让你把理论课上学到的菜谱真正做出来。我记得当时和我一起做实验的同学有人理论考试能拿高分但一上手连数据集的维度都打印不明白也有人虽然调参水平一般但把每一步都梳理得清清楚楚最后实验报告写得极其漂亮。差别就在于有没有真的“动过手”。这门课对软件学院的学生来说意义还不止是应付一门考试。它几乎是后续所有AI方向课程机器学习、深度学习、计算机视觉、自然语言处理的“敲门砖”。如果你在大二就能把数据加载、模型训练、结果评估这套流程玩熟后面学什么都快。相反如果这一步偷懒糊弄过去大三再回头补基础代价会大得多。1.2 2022级这个时间点意味着什么2022级学生大二做这门实验的时间大约是2023—2024年正好赶上生成式AI开始被大众熟知的爆发期。在这个时间点之前AI实验课的主流形态是“调库侠”——用sklearn或者PyTorch跑跑MNIST、CIFAR这些经典数据集跑通就是胜利。但2022级这批学生恰好踩在了深度学习框架非常成熟、大模型还没有完全统治一切的特殊窗口期你既要手动实现一些基础模型来理解原理又能借助框架省去大量底层造轮子的工作。这个时间节点的好处是实验难度既不会低到“纯抄代码”也不会高到“看不懂代码”。PyTorch的生态已经足够友好Google Colab等免费算力也已经成为标配。我自己看2022级同学写的实验报告能明显感觉到他们比前几届更注重“效果对比”——比如记录不同损失函数对收敛速度的影响、比较不同优化器在同一个任务上的表现差异。这种思路在更早的年份是很少见的那时候大家能跑通一个模型就谢天谢地了。这与时代背景有关也和课程的引导方向有关。1.3 实验设计背后的三个教学逻辑如果你拿到这门实验课的作业清单第一反应可能是“好杂”——既有图像分类又有文本情感分析还有一堆数据分析相关的活儿。但仔细看会发现每个实验背后都有清晰的教学意图。我总结了三个逻辑第一个是“问题导向而非算法导向”。很多AI课程是倒过来教的先讲SVM、决策树、神经网络再找对应的实验。而这门课是反过来先抛出一个实际问题比如“这个图片里是什么数字”“这条评论是好评还是差评”然后让学生自己想办法去解决。这样做的好处是你学到的不是一个孤立的算法而是“面对问题时怎么选工具”的思维方式。毕竟真实工作中没人会告诉你“这道题要用KNN”你只能根据数据特点自己判断。第二个是“全流程覆盖而非单点突破”。每个实验都不是只让你训练一个模型就完事而是从获取数据、数据清洗、特征工程、模型选择、训练调优到最终汇报一个环节都不少。很多同学第一次做实验时会觉得前面的数据清洗“浪费时间”——不就直接读CSV、把缺失值删掉就行了吗但真到了综合实验要用爬虫抓的数据时才发现脏数据能把你折磨到怀疑人生。全流程走一遍你才会理解为什么工业界常说“数据和特征决定了机器学习的上限模型和算法只是逼近这个上限”。第三个是“允许失败且失败有价值”。实验课不要求每个人都达到同样高的准确率但要求你必须写清楚“失败在哪里、为什么失败、下次怎么改”。我见过某位同学在图像分类实验里反复尝试了五六种网络结构准确率一直卡在70%上不去但他在报告里对每一次尝试都做了详细记录最后分析出问题是数据增强做得不够。这份报告拿到的高分绝对比那些跑一次就到90%但说不清原理的同学要公平。这种“失败复盘”的习惯恰恰是课堂里最容易被忽视、到工作中却最有用的能力。2. 核心实验任务拆解——从“跑通”到“跑懂”2.1 图像分类实验AI实验的“hello world”图像分类几乎是每所高校AI入门课的标配山东大学软件学院也不例外。2022级的实验里最经典的就是手写数字识别MNIST或者比MNIST稍微复杂一点的物品分类任务。之所以选这类任务是因为它足够简单——单张图片只有28×28像素、10个类别哪怕你的模型设计得再粗糙随便跑跑也能有90%以上的准确率这种“正反馈”对初学者的信心建立太重要了。但仅仅跑出高准确率是不够的实验的重点在于让你理解模型内部发生了什么。以手写数字识别为例当时我们被要求分步骤完成先打印出每个批次的数据形状搞清楚“64张1×28×28的Tensor”意味着什么再动手把图片可视化出来感受一下模型眼中的“输入”到底是什么样的接着才是搭建网络通过设置不同的隐藏层维度对比效果。这里有一个非常值得新手注意的参数选择经验隐藏层维度不是越大越好。我当时犯过一个典型错误第一个版本就把隐藏层设成了1024个神经元结果一个batch训练慢了将近三倍准确率却几乎没有提升。后来我一步步往小了调512、256、128发现256和512准确率差不多256的训练速度快了整整一倍。后来我才想明白对于MNIST这种低维数据特征本身并不复杂过大的模型容量只会带来过拟合和无效计算。这也是为什么实验中会强调“先小规模跑通、再逐步扩大”的操作铁律——先用小的batch比如64、少的epoch比如5轮确认流程没问题再放开手脚跑全量数据。除了模型本身图像分类实验里还有个容易被忽略的细节数据预处理。当时的实验要求里归一化的位置就坑了不少人。图片像素是0到255的整数如果你不做归一化直接扔给模型神经网络的初始梯度很容易爆炸或者消失。而把像素值除以255变成0到1的浮点数之后训练过程会稳定非常多。这个细节在课本上只是一句话但真正自己动手写代码时忘记归一化的后果只有在loss图上才看得见——loss曲线像过山车一样震荡。从那时起我的检查清单里就永远多了一行输入模型之前检查数据范围。2.2 文本处理实验让机器“看懂”人类的话图像分类做完第二个重头戏通常就是文本处理常见任务包括垃圾邮件识别或者影评情感分析。这个实验的第一个坎就是“文本到底怎么喂给模型”。不同于图像天然是像素矩阵文字是一串离散的符号必须先变成数字才能计算。最朴素的办法是One-hot编码——把每个词映射成一个只有一位是1的超长向量。但这样做的后果是维度爆炸一个1万词的词表每句话就变成1万维的稀疏向量不仅计算慢而且完全丢掉了词与词之间的距离关系。实验中真正常用的是TF-IDF加简单分类器的组合或者直接用Word2Vec预训练词向量。这里我特别想提一下“停用词”的坑。第一次做文本实验的时候我仗着“知道”这个概念直接用了一个通用的中文停用词表往数据上一套结果模型准确率反而不升反降。后来排查才发现那个通用停用词表把“好”“不”这样的词也删掉了——删掉“不”字“这部电影不好看”和“这部电影很好看”在模型眼里就变成了一模一样的句子这还分什么情感从那以后我每次处理文本数据都会先人工检查一遍停用词表或者干脆根据语料自己统计高频词来决定去留。这个教训在实验报告里被我写得特别详细也是那次实验让我真正体会到“理解数据比调模型更优先”这句话的分量。文本实验还有一个容易被低估的步骤分词。英文有天然的空格分隔中文没有。如果用简单的按字切分很多词的完整语义会被切断用jieba这种现成工具也不是万无一失专有名词和网络新词经常被切得乱七八糟。当时的实验任务里有一条是“至少尝试两种不同的文本表示方式”我选择了TF-IDF和Word2Vec各做一遍对比结果发现Word2Vec在语义相似性上的优势确实明显但训练时间也成倍增加。如果现在的学生觉得这个对比不够“AI”完全可以换成BERT这样的预训练模型——只不过对于导论课而言理解“从词频统计到语义向量”的演进逻辑比一味堆叠大模型重要得多。2.3 综合实验把一个模糊想法做成完整项目平时的小实验都是“给出明确任务”而到了期末的综合实验任务就变得开放多了。比如“预测校园二手交易的成交价格”“判断某短视频评论的情感倾向”这类题目只给数据和目标不给任何模型推荐。这一步的跨度非常大很多同学第一次发现没有人告诉你该做什么、用什么模型、怎么算成功一切都得自己定义。我印象很深的一个细节是评估指标的选择。大家一开始做分类任务习惯了看准确率accuracy但到了综合实验里如果数据本身类别严重不平衡——比如一万条评论里只有一百条负面评论——那机械套用准确率就会得出极其误导人的结论。你模型把所有评论都预测成正面准确率也有99%但这显然没有任何使用价值。这个时候正确的做法是用F1-score或者AUC等更鲁棒的指标。当时有同学在这个问题上纠结了很久最后实验报告里认认真真对比了准确率、精确率、召回率的差异还画了混淆矩阵confusion matrix。这种思考深度已经不仅仅是“跑通代码”的层面了。综合实验最能体现差距的地方在于时间管理。任何开放式的AI项目都可能无限发散这个特征要不要加那个模型要不要试loss降到什么程度才算好如果没有规划你会发现一周时间转瞬即逝而报告还没开始写。我的经验是先定一个“最小可行实验”——先花半天跑通一个最简单的baseline哪怕只用线性模型拿到一个初始分数然后再逐步迭代增加复杂度。这样做的好处是心里始终有底知道再差也有个保底结果。等到你真的把baseline换成复杂模型并看到效果提升时实验报告的“对比分析”部分自然就有内容可写了。3. 实操验证与踩坑记录——教你少走三个大弯路3.1 数据坑80%的失败发生在import之后的第一行代码很多同学以为数据坑只会出现在爬虫、人工收集这些“脏活”里其实公开数据集一样有暗礁。我在带实验的过程中亲眼见过太多团队把训练集和测试集混在一起归一化然后测试准确率高得离谱——因为模型“偷看”了测试集的均值方差。干过这事的人应该都懂那种先狂喜后崩溃的滋味。本质上归一化计算出的均值和标准差也必须只用训练集的数据测试集不能参与任何统计计算。另一个高频数据坑是标签泄漏。比如预测二手车价格的数据集里有一列是“车主报价折扣率”而标签恰好是“成交价格”——这两个字段之间存在直接的数学关系。如果你不过滤掉这种特征模型准确率会高得不可思议但一拿到真实场景就完全失效。实验课里出现这种情况还能在报告中写“发现了特征泄漏并剔除”但在真实项目里这种错误轻则浪费几个月时间重则导致产品上线后翻车。所以每次拿到新数据我建议第一步别着急建模先做探索性数据分析EDA查看特征分布、统计缺失值、画一下相关性热力图把可疑的特征全部记录下来。这一步花不了多少时间却能避开后面一堆麻烦。类别不平衡也是实验里频繁出现的坑。最常见的错误做法是直接拿原始不平衡数据训练然后困惑为什么模型总是在预测多数类。正确的思路要么是做重采样对少数类过采样或者对多数类欠采样要么是调整分类阈值。课堂实验里认得这个现象、写清楚处理方式就已经能拿到不错的评价了。3.2 训练坑Loss不降、过拟合、梯度爆炸三步定位法训练模型的过程中最让人心态崩掉的时刻就是“Loss啥也不降模型像死了一样”。遇到这种情况我的排查逻辑基本是固定的三步。第一步检查数据是不是归一化忘做了是不是数据顺序没有打乱导致每个batch里全是同一类第二步检查模型结构把模型打印出来看每一层的输出形状这个数字对不上往往就定位到问题了。第三步检查超参数最常见的就是学习率设得太大比如0.1导致loss在最优解附近疯狂震荡或者设得太小比如0.0000001导致每一步都像乌龟爬。关于过拟合我认为课堂实验最容易出现也最好解决。典型症状是训练集准确率一路狂飙到99%但验证集上卡在80%不动。这时候最该用的不是高级正则化技巧而是最朴素的早停early stopping——每训练一个epoch就记录验证集loss如果连续几个epoch不降反升果断停止训练。这个手段简单粗暴但效率极高。更进阶的处理是加dropout或者数据增强但这些技巧需要在理解原理之后使用为了用而用往往会适得其反。还有一个算不上技术、但极其影响效率的坑不用小数据集先试跑。我发现有不少同学刚写好一个深度模型直接就扔到全量数据集上开始训练十几分钟过去发现Loss是NaN原因只是模型里一个输出维度写错了。如果要排查这种基础错误完全可以用只包含几百条的样本子集跑两个epoch30秒内就能发现问题。先小规模验证代码正确性再全量训练这条铁律我建议所有刚上手深度学习的人都贴在显示器旁边。3.3 复现坑实验报告的“可复现性”怎么写才不翻车本科实验课里老师最烦的事情之一就是“助教根本复现不出学生的结果”。代码是人家的环境里跑的Python版本不同、PyTorch版本不同、随机种子没固定结果就不一样。因此最终提交的实验报告里环境信息这块怎么强调都不过分。我见过一份做得特别规范的报告首页放了一个表格操作系统、Python版本、PyTorch版本、CUDA版本、显存大小、随机种子、关键依赖包及版本号一应俱全。代码里还专门设置了torch.manual_seed(42)和np.random.seed(42)来固定随机性。这样的报告任何一个助教拿到手都能在十几分钟内复现出大致相同的结果。反观那些只贴一个“准确率95%”的报告完全活成了黑盒即使结果是真实的也很难取信于人。至于怎么自查报告可以按这个清单过一遍第一数据集来源和划分方式是否写清第二每个实验的超参数学习率、batch size、epoch数、隐藏层维度是否标注第三有没有至少一张可视化图表loss曲线、准确率曲线、混淆矩阵来说明训练过程第四有没有对自己方法局限性的讨论。不要小看最后一点很多拿高分的报告恰恰是因为诚实地分析了失败原因——工程里最怕的不是出错而是出错后不知道怎么办。4. 这门实验课对AI人才培养的启示——不仅是作业更是一面镜子4.1 课程设计要紧贴时代也要守住“全流程训练”的本分回头看2022级的这门实验课我认为它最大的亮点不是用了多么先进的模型或框架而是把AI实践中最重要的思维习惯通过实验环节扎扎实实传递给了学生。你有没有想过真实项目中最难的不是写代码而是无时无刻在做选择这个数据要不要清洗、这个特征要不要保留、这个模型适不适合当前业务、这个阈值怎么定。课堂实验恰恰是成本最低的训练场——在这里犯错不会带来实际的业务损失却能获得完整的心理体验和复盘素材。现在的AI技术迭代太快了两三年前的实验内容可能今天看就有点“过时”。但是无论模型怎么变数据获取、数据清洗、模型评估、效果迭代这套底层方法论不会变。真正优秀的课程实验应该像这门课一样在“追新”和“练基本功”之间找到平衡点。就算不教你ChatGPT怎么调用只要你把传统分类任务的闭环练扎实了遇到新工具新模型时上手速度也会比纯背概念的人快得多。4.2 从实验到竞赛再到真实项目能力如何迁移很多同学做完课程实验后有一个困惑这些练习真的有用吗我的答案是有用但前提是你得明白如何迁移。课程实验里的MNIST手写数字识别放到真实场景中就是OCR识别票据课程实验里的影评情感分析放到真实场景中就是电商评论洞察。技术框架没有本质变化变化的是数据规模和数据质量。你在实验里练就的“拿到数据先看分布、训练前先小规模跑通、评估时多指标交叉验证”的习惯能直接平移到真实工作中。我还想多说一句关于竞赛的建议。如果你在课程实验中感受到了乐趣甚至觉得自己有天赋非常推荐去参加一下国内的AI竞赛或者国际上的Kaggle比赛。但不要抱着“拿奖”的心态去而是抱着“验证自己实验课学到的东西到底行不行”的心态去。比赛的数据通常更脏、类别更不平衡、评价指标更多元这种压力下训练出来的能力绝对是课堂实验的有效补充。参加过比赛再回头看课程实验会有一种“降维打击”般的通透感。4.3 普通人自学AI如何低成本复制这套训练法不是所有人都有机会在高校课堂上做这套实验。如果你完全是自学我建议可以用公开数据集加开源框架照葫芦画瓢复制一遍这套训练法。成本真的很低一台普通笔记本电脑就够不需要高级显卡装上Python和PyTorch在Kaggle上下载一个泰坦尼克号生存预测或者手写数字识别的公开数据集严格按照“全流程闭环”去操作——数据探索、数据清洗、特征工程、建模训练、结果评估每个环节都不能跳过。自学者最容易犯的错误是从第一步直接跳到建模用别人的代码糊弄自己。真要有效学习不妨给自己定一个规矩必须自己写数据加载和预处理的代码不得直接用框架内置的dataset代码必须自己画至少两张训练过程的曲线图并尝试解释必须写一篇完整的实验总结哪怕没人检查。这听起来像自己给自己布置作业但恰恰是这样“麻烦”的过程才能建立真实的能力。我在网上看到过很多人学了半年AI却连自己的模型为什么效果好都说不出所以然——因为他们从来没有真正思考过实验只是在“跑代码”而已。我个人的切身体会是一次认真做完的课程实验比刷十遍视频教程都管用。那种亲手把准确率从80%调到90%的成就感、那种调参调到想砸电脑最后发现只是batch size设错了的抓狂感才是学AI路上最宝贵的东西。希望这篇复盘能让你少踩一些不必要的坑也能让你重新审视“做实验”这三个字——它不只是一份要交的作业更是一面照出你思维习惯的镜子。最后再分享一个小技巧做完每个实验后花十分钟在实验报告的“思考和收获”一栏写三句总结一句写自己学到的方法一句写自己踩过的坑一句写如果再给我一次机会我会怎么做。这个习惯坚持下去到期末你回头看会发现自己的成长速度快得惊人。本文还有配套的精品资源点击获取