带着产出去学习

实践顺序

1. 完成仓库、分支、提交与 Pull Request 的官方练习。
2. 运行 NKUGeek Hub 或 Python 课程测试，选择一个开放 Issue。
3. 与维护者确认范围，提交带测试结果的 PR。

产出验收

• PR 链接、关联 Issue、测试输出齐备。
• 区分已提交与已合并，不自行标记贡献已完成。

实践顺序

1. 按官方课程完成 React 基础和 Next.js 路由练习。
2. 在 NKUGeek Hub 本地运行 lint、build 与 smoke 测试。
3. 选择一处有明确验收的修改，记录桌面与移动端结果。

产出验收

• 附页面链接或本地运行说明、源码与截图。
• 静态部署不使用需要服务端的功能，核对 basePath。

实践顺序

1. 使用官方入门教程的小数据任务，先在 CPU 上跑通数据与模型。
2. 完成一次训练与评估，记录依赖版本、种子和损失变化。
3. 保存并重新加载权重，验证同一测试输入的输出。

产出验收

• 提供训练脚本、环境与实际日志，不编造准确率。
• 入门分类模型不是 ResNet 原论文复现；迁移时另立评估协议。

实践顺序

1. 阅读 ViT 结构与图像预处理说明，标出 patch、token 与分类头。
2. 使用文档中的权重推理示例；记录模型版本、输入与预处理参数。
3. 解释监督 ViT 与 DINO 自监督训练的区别，提出最小评估范围。

产出验收

• 脚本可重复运行，说明权重来源和许可。
• 不把预训练推理等同于从头训练或 DINO 复现。

实践顺序

1. 选论文与具体表格，确认数据、代码和权重许可。
2. 冻结代码 commit、依赖、种子与评估划分，先做最小检查。
3. 实际运行后记录日志、指标和偏差；失败同样保留环境与修复。

产出验收

• 报告附源码、命令、日志、硬件与原文表格定位。
• 尚未运行的实验只标计划，结果经过核验后才进入 Showcase。