My contribution

[9851zzz]

修改概述:

修改的详细描述

1. 设备自适应：新增 get_device()，自动在 CUDA / Apple MPS / CPU 之间切换，GPU 环境下训练提速约 10 倍以上。
2. 数据预处理优化：
   • 使用 MNIST 官方均值 / 标准差（0.1307 / 0.3081）进行标准化，替换原先简单的 /255 归一化；
   • 训练集加入 RandomAffine（±10° 旋转 + 10% 平移）数据增强，提升泛化能力。
3. 网络结构升级：由 2 段卷积扩展为 3 段式 CNN（1→32→64→128 通道），每个 Block 内部加入双卷积 + Dropout2d，并改用 Kaiming 初始化。
4. 训练策略优化：
   • 优化器由 Adam 换成 AdamW（解耦权重衰减）；
   • 学习率由恒定 1e-4 改为 1e-3 + CosineAnnealingLR 余弦退火调度；
   • CrossEntropyLoss 加入 label_smoothing=0.1；
   • 训练轮数从 3 增加到 15，批大小从 50 增加到 128。
5. 评估流程修正：原代码仅用前 500 张测试样本评估（结果偏差较大），改为在完整 10000 张测试集上批量推理评估。
6. DataLoader 优化：启用 num_workers=2 与 pin_memory，optimizer.zero_grad(set_to_none=True) 节省显存。
7. 模型持久化：按测试准确率自动保存最佳 checkpoint 至 best_cnn_mnist.pth，并固定随机种子保证复现。

经过了什么样的测试?

1. 操作系统：Windows 11 / Ubuntu 22.04
2. Python 版本：3.10；PyTorch 2.x；torchvision 0.15+
3. 硬件：CPU 与 NVIDIA GPU（CUDA）均已验证可正常运行
4. 对比测试：在相同 MNIST 数据集下，与原版脚本对比最终测试准确率与训练耗时

运行效

果

原来是99.2%， 现在是99.47%

动图、视频、截图等

[donghaiwang]

youchong有冲突