下午好，林同学
第 7 周 · 2026-11-09 至 2026-11-15 · 连续学习 41 天
本周学习时长21.5h
掌握度78%
作业按时率100%
进行中的课程 3 / 5
03大模型微调与部署第 2 讲 · LoRA
待开始
今日待办
系统建议：先补「感受野计算」，再进目标检测第 4 讲
你在上一讲的 3 道相关题上连续两次错误，系统已插入 12 分钟前置复习。完成后今日直播的理解度预计提升 18%。
我的课程
5 门必修 · 2 门选修 · 累计 186 学时
03
大模型微调与部署
主讲 · 吴老师 · 16 讲2 / 16 讲掌握度 62%
04
工程化与模型部署
主讲 · 李老师 · 14 讲0 / 14 讲第 9 周开课
05
科研方法与论文精读
主讲 · 郑老师 · 12 讲8 / 12 讲掌握度 86%
06
Python 工程化（选修）
主讲 · 王老师 · 10 讲10 / 10 讲已结课 · 92 分
课表与直播
2026-11-11 周三 · 第 7 周
今日课程
时间课程 / 内容教室状态
08:30 – 12:00深度学习基础 · 反向传播与计算图主讲堂 A已结束
14:00 – 17:30计算机视觉实战 · 目标检测（YOLO 系）主讲堂 A直播中
19:00 – 22:00晚自习 · 检测项目推进 + 助教答疑研讨室 3待开始
22:00 – 22:40AI 强化课 · 错题归因自动生成线上AI 生成
本周其余安排
周四 14:00计算机视觉实战 · 数据增强与评估指标主讲堂 A面授
周五 15:30课题组组会 · 检测项目进度汇报研讨室 3需提交
周六 09:00一对一复盘 · 30 分钟线上已预约
01
手写两层神经网络的前向与反向深度学习基础 · 截止 11-12 23:59
已批改 94 分AI 批改 + 人工抽检
02
YOLO 检测器训练与 mAP 对比实验计算机视觉实战 · 截止 11-14 23:59
进行中已提交 2 / 3 个实验
03
论文精读笔记：Attention Is All You Need科研方法 · 截止 11-15 23:59
AI 预检通过相似度 6%
04
LoRA 微调实验：显存占用对比大模型微调 · 截止 11-17 23:59
未开始需申请算力配额
最近一次提交 · 实验 02
# train_detector.py · 学员提交片段
for epoch in range(epochs):
model.train()
for imgs, targets in loader:
preds = model(imgs.to(device))
loss = criterion(preds, targets.to(device))
optimizer.zero_grad() # 系统提示：此行曾遗漏，导致梯度累加
loss.backward()
optimizer.step()
mAP = evaluate(model, val_loader)
logger.log({"epoch": epoch, "mAP": mAP, "vram": peak_vram()})
AI 批改意见代码可运行，mAP 达到 0.412（基线 0.386）。显存峰值 18.4 GB，建议将 batch size 从 16 降至 12 并开启 AMP，可在精度损失 0.6% 内换到 8 GB 卡上运行。
学情分析
数据更新至 2026-11-11 01:20
知识节点掌握412/ 528
代码通过率86%
班级排名7/ 32
学习热力 · 近 14 天 单位：小时
日均 3.1 小时最长连续 41 天
本周学习建议掌握度 78%，距目标 80% 仅差 2 个百分点。优先完成「感受野」与「NMS」两个节点的强化练习（共 16 题，约 40 分钟），预计可提升至 82%。不建议本周新增课程。
深度AI 助教回答带出处 · 可追问
你好，林同学。我看到了你昨天的实验记录 —— mAP 从 0.386 提到 0.412，但显存峰值 18.4 GB 偏高。想先从哪一块聊起？
