【kaggle运行项目注意事项】

kaggle运行项目注意事项

• • [✅ 解决方案：每次运行前自动准备环境](#✅ 解决方案：每次运行前自动准备环境)
  • • [1. 定义一个准备函数（运行一次即可）](#1. 定义一个准备函数（运行一次即可）)
    • [2. 运行其他 `ch03` 文件（如 `neuralnet_mnist.py`）](#2. 运行其他 ch03 文件（如 neuralnet_mnist.py）)
    • [3. （可选）避免每次复制，直接使用 `/kaggle/input` 中的文件但修改下载缓存](#3. （可选）避免每次复制，直接使用 /kaggle/input 中的文件但修改下载缓存)
  • [📌 注意事项](#📌 注意事项)
  • [🧪 验证](#🧪 验证)

在 Kaggle Notebook 中，/kaggle/working 是临时工作目录 ，每次内核重启 或新会话启动 时，该目录都会被重置为空（仅保留当前 Notebook 产生的输出文件）。您之前复制到 /kaggle/working 下的 deep_learning_base_python-main 文件夹，在您重启内核 或关闭并重新打开 Notebook 后就会消失。

从您提供的输出（os.getcwd() 显示为 /kaggle/working，但 ls 列表中没有该文件夹）来看，当前会话是全新启动的，之前复制的文件已经被清空。

---

✅ 解决方案：每次运行前自动准备环境

您可以将复制项目 + 修改 URL 的步骤封装成一个可重复执行的代码块，在运行任何 ch03 下的文件之前先执行它。

1. 定义一个准备函数（运行一次即可）

新建一个单元格，粘贴以下代码（它会检查目标目录是否存在，若不存在则复制并修改 URL）：

import os, shutil

def prepare_env():
    src = "/kaggle/input/datasets/hyndla/deep-learning-base-python/deep_learning_base_python-main"
    dst = "/kaggle/working/deep_learning_base_python-main"
    
    # 如果目标已存在，则跳过复制（但若之前的会话已清空，这里会重新复制）
    if not os.path.exists(dst):
        print("正在复制项目到工作目录...")
        shutil.copytree(src, dst)
        
        # 修改 mnist.py 中的 URL
        mnist_py = os.path.join(dst, "dataset/mnist.py")
        with open(mnist_py, "r") as f:
            content = f.read()
        content = content.replace("http://yann.lecun.com/exdb/mnist/", 
                                  "https://ossci-datasets.s3.amazonaws.com/mnist/")
        with open(mnist_py, "w") as f:
            f.write(content)
        print("✅ 环境准备完成")
    else:
        print("✅ 环境已存在，无需重复复制")

# 执行准备
prepare_env()

每次内核重启后，运行此单元格，它会自动完成复制和修复。

---

2. 运行其他 ch03 文件（如 neuralnet_mnist.py）

在准备环境后，切换工作目录到 ch03，然后使用 %run 或 !python 执行目标文件。推荐使用 %run（因为 !python 会启动新进程，但 %run 在当前内核中运行，便于显示图形）。

import os
os.chdir("/kaggle/working/deep_learning_base_python-main/ch03")

# 运行 neuralnet_mnist.py（示例）
%run neuralnet_mnist.py

如果该文件内部也使用了 PIL.Image.show()，您可能仍然需要将显示方式改为 matplotlib。您可以直接在 Notebook 单元格中复制文件内容并替换显示部分 ，或像我之前那样，用 matplotlib 函数覆盖原 img_show。

---

3. （可选）避免每次复制，直接使用 /kaggle/input 中的文件但修改下载缓存

另一种思路：不复制整个项目，而是单独复制 dataset/mnist.py 到可写位置并修改其 dataset_dir 变量 ，但 mnist_show.py 在 ch03 中，它导入的是 ../dataset/mnist，因此若不复制整个项目，需要调整导入路径。复制整个项目更为稳妥，且仅需几秒钟。

---

📌 注意事项

• 每次内核重启后，必须重新执行准备代码 ，否则 /kaggle/working 下没有项目文件。
• 如果您的 Notebook 已经运行了准备代码，但之后又切换了工作目录，只需再次 os.chdir 到 ch03 即可运行其他文件，无需重复复制（因为目标已存在）。
• 所有下载的 MNIST 数据会缓存在 /kaggle/working/deep_learning_base_python-main/dataset/ 下，只要该目录不被删除，后续运行会直接读取缓存，无需重新下载。

---

🧪 验证

执行准备代码后，运行以下命令确认文件存在：

import os
print(os.listdir("/kaggle/working/deep_learning_base_python-main/ch03"))

您会看到 mnist_show.py、neuralnet_mnist.py 等文件列表。

现在您可以自由运行该章的任何脚本了。如果还有问题，请随时告知。