很早前就关注了浦育平台，一直想实践学习。一来没有完整的时间，二来有时学着学着就伴随着各种坑而原地踏步了。
最近在看杨立昆和李飞飞的自传，这两个深度学习的大神在书中都提到了彼此，看了他们的故事，不知不觉中也强化了自己对AI的学习热情。
杨提到了他们90年代末开发的AI识别手写数字的故事，后来在邮政分拣系统中使用、在识别银行支票数字金额中使用，取得了较好的识别效果，这个手写体的数据集名叫mnist，模型用了杨立昆的名字命名LeNet。（Le Cun）
看了这些再看上海人工智能实验室谢作如老师他们开发的6行代码实现手写数字识别的程序，感觉一下子就顺畅了很多。
由此也生出了一个通过了解历史、情境代入式的学习方式，更易于打开学习通道，提升学习潜力。
===============
#导入基础库
from MMEdu import MMClassification as cls
#第一步：实例化模型
model = cls(backbone='LeNet') # 实例化模型为model
#第二步：配置基本信息
model.num_classes = 10 # 手写体的类别是0-9，共十类数字
model.load_dataset(path='/data/mnist') # 从指定数据集路径中加载数据
model.save_fold = 'checkpoints/cls_model/231221' # 模型保存路径，可自定义最后一个文件名
#第三步：开始训练模型
#cpu训练，GPU训练在参数中加入device='cuda'即可
model.train(ep
杨提到了他们90年代末开发的AI识别手写数字的故事，后来在邮政分拣系统中使用、在识别银行支票数字金额中使用，取得了较好的识别效果，这个手写体的数据集名叫mnist，模型用了杨立昆的名字命名LeNet。（Le Cun）
看了这些再看上海人工智能实验室谢作如老师他们开发的6行代码实现手写数字识别的程序，感觉一下子就顺畅了很多。
由此也生出了一个通过了解历史、情境代入式的学习方式，更易于打开学习通道，提升学习潜力。
===============
#导入基础库
from MMEdu import MMClassification as cls
#第一步：实例化模型
model = cls(backbone='LeNet') # 实例化模型为model
#第二步：配置基本信息
model.num_classes = 10 # 手写体的类别是0-9，共十类数字
model.load_dataset(path='/data/mnist') # 从指定数据集路径中加载数据
model.save_fold = 'checkpoints/cls_model/231221' # 模型保存路径，可自定义最后一个文件名
#第三步：开始训练模型
#cpu训练，GPU训练在参数中加入device='cuda'即可
model.train(ep