Hit-Project

代码获取请单击此处 HIT_AI_Intro_Exp 快速开始 1. 数据集准备 我们从网络上下载 MNIST_data 数据集，解压后放在文件夹下，可以看到分为训练集和测试集两部分 2. 训练模型 首先，你需要在电脑上安装 uv 工具（如果你熟悉 conda 也可以）。uv 安装随便去网上搜搜教程就行 拥有 uv 后，请你运行 uv --version 如果显示了版本则说明 uv 正常安装了 然后运行以下命令，安装所需要的 Python 包（如果你用过 conda 就是安装 requirenments.txt 里面的包，请使用 python 3.10） uv sync 我们安装的是以下包，最重要的是 mindspore 训练框架 然后训练我们的模型。命令为 uv run train.py --ckpt_path ./ckpt 可以看到训练开始了，显示每一轮以及损失 最终我们看到ckpt/下有一系列检查点，这些也就是我们训练得到的模。,最后一个 4-10 也就是第 10 个 epoch 得到的模型，最完整的模型 3. 评估模型 我们使用最后一个 checkpoint 得到的模型来使用 test 数据集进行评估 uv run eval.py --ckpt_path ckpt/checkpoint_lenet_4-10_1875.ckpt 运行如下图 可以看到精度 98.88%，还是很不错的。接下来我们将使用图片真实的从使用角度测试该模型 ...

Github 链接 作业要求： VmWare 在三台 Ubuntu 虚拟机动手实现 K8S 集群 实现 SpringCloud，服务注册，服务发现，服务负载均衡 实现服务远程调用 OpenFeign 实现 DevOps 自动 CI/CD（Jenkins 或 Github Actions） 实现 至少 7 个微服务 实现前端 实现 Agent 工作流并能体现在前端界面 实现 K8S 集群监控 metrics 我们做的： 使用 Ubuntu 22.04 搭建 K8S 集群 使用 Kubernetes Dashboard 与 Grafana 进行集群监控 使用 NFS 动态分配微服务容器空间 使用 Ingress-nginx 实现域名访问集群服务（对 nacos，grafana，sentinel 等进行 DNS 解析与负载均衡） 使用 Nacos 实现服务注册（实验指导书使用 Eureka） 使用 OpenFeign 实现服务远程调用 使用 SpringGateway 进行服务路由与负载均衡 使用 Sentinel 进行服务限流，流量监控 使用 Nacos 实现服务配置中心 使用 Dify 搭建 Agen t工作流 使用 Jenkins 自动 CICD 使用 SpringAI 搭建 MCP 服务器供 Agent 使用