3.17 update：都不回邮件，我放弃了。研究生课确实是草菅人命，没处说理。不建议认真写这门课的实验，毕竟实验文档说不定都是 ai 随便写的，既无设计也无引导。不建议像我那样感觉有小问题就重新训练，反正写的东西又没人看，估计实验报告就拉到最后看下页数。精力还是拿去做做国外的实验或者科研比较好。

3.13 update：和副院长发了邮件。

重新出分了，本科大三后我便再也没有因为“给分不如意”在评课社区喷过什么课程，很不想研究生还干这种事。但这门课的操作太下头了，我决定实名重新编辑我的回答。

实验内容：

1. 用 MLP 拟合 sin x。
2. 用 CNN 做图像分类。
3. 用 RNN 做文本分类。
4. 用 GCN 做链路预测和节点分类。
5. 大作业：组队做一个打榜的比赛。

可见，其实实验内容很单纯，但有一点很讨人厌的地方：每次必有一句“并研究 xxx，xxx，xxx，xxx，xxx 对实验结果的影响”。第一次 MLP 拟合 sin x 倒是很好弄，写个脚本网格搜索就行了，反正搜得快。后面就不这么容易了，本身要训练也不是马上就好，而你若想比较好地分析这么多变量的影响，跑个 20 组我都觉得不够多（为了更好地调参，我搜了下自动调参工具，使用 NNI 调的来着。其实也没有什么技术含量，但我认为比起随便写几组网格搜索感觉更用心更有说服力点吧）。而且有时候这些变量的影响并不那么明显、还不如随机数带来的影响大。有时候又不那样单纯。还有些变量在实验内容上并不好调：RNN 实验中要求调 residual 和 normalize，但 nn.GRU() 和 nn.LSTM() 中⽆法直接配置 residual 和 normalize，所以我学习 Residual LSTM in Keras，使⽤⼀个循环，⽤多个单层的 nn.GRU() 堆叠起来⽹络，⼿动在后⾯添加 residual 和 normalize。但又觉得跑出来效果不够好，怀疑自己哪里写错了，又查到了 pytorch 中多层 GRU() 和 LSTM() 的 hidden 连接方式是把所有层的 hidden concat 起来，而在我手动堆叠的模型中只用了最后一层的。但其实这样改后效果相差也并不大。
说了这么多，总之就是实验如果关注正确性，其实并不那么容易正确达成，而且不明显。超参的影响也并不单纯。较真的话真实难度没有大家想得那么简单（也有可能是我菜？）。

大作业内容就不评价了，但从结果而言我这组打得还行，第三个赛题，分数0.86几。

然后让我非常意外的事情出现了：这门课既没有考试，也没有出平时分，我的作业全部认真实现了所有要求且按时提交，大作业也打得还行——系统上直接给我出了一个 77 的总评。

我觉得很奇怪，出分的早晨询问一位助教这件事，没有收到回复。傍晚又问了另一位助教，也没得到回复。晚上和老师写了邮件。

虽然老师并未回复我，但第一位助教在老师已读后的 20 分钟后回复我了：说我是大作业成绩太低。我说我打得还行啊，也有认识低一点点的同学总评挺高啊。然后才发现真相是：

但是真的是我们组实验报告写得不明显、导致助教看错了吗？我认为这锅不是我的。首先这个比赛是有榜的，正确的做法应该是从网上下载一份排名，而不是从实验报告里找。那如果我缺德，f12 改了个很高的分数，助教也就信实验报告里的数字咯？其次大多数课程正常的做法都是会先出一部分成绩，让大家核实是否有误，这门课不出分不核实，甚至出分后也差点不回复我。最重要的一点是，我认为助教可能并未读大家的实验报告。我们的实验报告有目录有小标题，逻辑上也是清晰的，他为什么偏偏会把最后一个数字当作最优分数呢？显然是直接拉到最后看了个数字就走了：
 

然后重新出分，又给了我一个 84，更难绷了。你这是没考试的研究生课诶，又不是什么本科课没考赢同学、被优秀率卡了。在硬性指标，大作业成绩，还行的基础上，也说不出平时实验扣分的理由，一句“核查后没问题”、“是和其他同学的对比着给的”，不具有任何说服力。只让我怀疑你们是不是真的看了大家的作业。

这助教感觉也太容易当了，不用改试卷，随便看看实验报告长度给分，也不用写学习反馈，还不一定要回私聊消息。这种事情就应该被写入“助教培训”中，作为反面教材。