示例项目：中文文本分类

Thu, 03 Sep 2026 00:00:00 +0000

💡 这是示例文章，用来演示"一个项目页"该怎么写。 复制本文件、改成你自己的项目即可，格式完全照抄。

项目简介

用一段话说清楚：你做了什么、为什么做、最后效果怎样。招聘方会先读这段。

背景与动机

写写做这个项目的起因：是课程作业、比赛、还是自己想解决的问题？

方法

数据：用了什么数据集，规模多大
模型：用了什么结构，为什么选它
训练：超参数、设备、训练时长

代码要点用代码块展示：

import torch
import torch.nn as nn

class Classifier(nn.Module):
 def __init__(self, n_labels: int):
 super().__init__()
 # ...
 self.fc = nn.Linear(hidden, n_labels)

 def forward(self, x):
 # ...
 return self.fc(x)

结果

模型	准确率	备注
基线（TF-IDF + LR）	87.2%	传统方法
本工作	92.6%	+5.4%

放上关键图表或截图更好（把图片放进 static/images/，然后用 ![](/images/xxx.png) 引用）。

小结与下一步

我踩过最大的坑是什么
还可以怎么改进
收获 / 与课程的联系

示例项目：图像分类对比实验

Thu, 20 Aug 2026 00:00:00 +0000

💡 第二条示例。当你有真实项目后，把这两条示例替换掉。

一句话概括

在不同骨干网络上做图像分类的公平对比实验，为后续选题积累 baseline。

实验设置

数据集：CIFAR-10，随机增强 + 标准化
设备：单卡 RTX 4090
固定种子、固定训练轮数，控制变量

结果

各模型在相同预算下的准确率：

ResNet-18 → 94.8%
ResNet-50 → 95.6%
ViT-small → 95.1% (需要更长训练)

遇到的坑

学习率没有 warmup，ViT 一开始就发散
忘了固定 seed，两次实验对不上

我的收获

实验前先写好固定的评估脚本，避免"不同代码各测各的"
训练日志用 --seed 区分，方便回看

仓库说明

代码结构、如何复现，写在仓库 README 里，这里保持页面简洁。

PyTorch on 王天昊 · 个人主页