# AICA

**Repository Path**: BUAA-CI-LAB/aica

## Basic Information

- **Project Name**: AICA
- **Description**: BUAA《智能计算体系结构（AICA，AI Computer Architecture）》课程实验仓库
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-09-26
- **Last Updated**: 2026-09-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AICA 课程实验汇总

北京航空航天大学计算机学院《智能计算机体系结构》课程实验仓库，用于集中管理各次实验的代码与文档。

## 实验列表

| 序号 | 目录 | 实验内容 |
| --- | --- | --- |
| Lab1 | [`lab1-minist`](lab1-minist) | 深度神经网络 |
| Lab2 | [`lab2-minimind`](lab2-minimind) | MiniMind 训练与 W8A8 量化 |

### Lab1：深度神经网络

基于 PyTorch 搭建深度神经网络，在 MNIST 手写数字数据集（28 × 28，10 类）上完成训练与测试。

- **任务**：补全 `pt_network.py` 中的 `LeNet` 类（`__init__` 定义网络层，`net` 实现前向传播），使 `pt_mnist.py` 可正常训练与测试。
- **要求**：输入 `(batch_size, 1, 28, 28)`，输出 10 个类别；测试精度需大于 80%，并可通过调参对比网络效果。
- **交付**：训练得到的模型 `model/model.pt` + 实验报告（Markdown 撰写后导出 PDF）。

详细说明见子模块内的 [`lab1-minist/README.md`](lab1-minist/README.md)。

### Lab2：MiniMind 训练与 W8A8 量化

以 MiniMind Zero 训练路线为对象，完成小型语言模型「数据准备 → 预训练 → 指令微调 → 量化 → 量化评估」的完整流程。

- **任务**：下载 MiniMind 数据集；完成预训练（Pretrain）与有监督指令微调（SFT），用 SwanLab 记录 loss 曲线；基于 `llmcompressor`（SmoothQuant + GPTQ）补全 W8A8 量化脚本 `scripts/quantize_w8a8.py`。
- **要求**：量化前后用 `scripts/eval_ppl.py` 对比困惑度（PPL）；用 `scripts/inspect_w8a8_dtypes.py` 检查量化权重确为 int8；用 `eval_llm.py` 验证量化后对话效果。
- **交付**：训练权重 `out/`、量化模型 `minimind-3-w8a8/`、补全后的量化脚本 + 实验报告。

详细说明见子模块内的 [`lab2-minimind/README.md`](lab2-minimind/README.md)。

## 仓库使用

本仓库通过 Git 子模块管理各次实验，克隆时需递归拉取子模块：

```bash
git clone --recurse-submodules git@gitee.com:BUAA-CI-LAB/aica.git
```

若已普通克隆，可补拉子模块：

```bash
git submodule update --init --recursive
```