nn-zero-to-hero 反向传播完整指南【免费下载链接】nn-zero-to-heroNeural Networks: Zero to Hero项目地址: https://gitcode.com/GitHub_Trending/nn/nn-zero-to-heronn-zero-to-hero 是神经网络从零到英雄课程的配套 Jupyter 笔记本合集主线是反向传播与语言模型。从手写标量求导引擎起笔一路写到字符级语言模型与 CNN。它不教你调现成框架出结果只逼你把公式敲成代码。先判断要不要学想弄清梯度到底怎么传回来、会写基础 Python 的人值得坐下来啃这套笔记也适合天天写 PyTorch、从没自己搭过autograd的开发者。目标只是快速调现成模型出 demo 的别走这儿——全套课节奏偏慢框架官方文档更快。前置门槛导数与链式法则得还认得不行的先补微积分否则第一讲会看得很吃力。目录里装了什么 micrograd 线lectures/micrograd/ 两个笔记本分上下半场先搭标量求导引擎再组网训练。makemore 线lectures/makemore/ 从 part1 至 part5 五个文件递进二元统计、MLP、批归一化、手动反传、仿 WaveNet 的 CNN。课程目录在根目录 README.md每讲的主题、前置要求、配套文件都写在里面。README 列到第 8 讲但后两讲GPT 本体与分词器仓库里没有对应文件只有视频链接。仓库给的是路不是答案。最短上手路径 ✅克隆仓库git clone https://gitcode.com/GitHub_Trending/nn/nn-zero-to-hero打开micrograd目录里的两份 notebook顺序跑通先吃透标量求导引擎怎么搭再看它怎么变成可训练的网络。Tensor 用法先翻一遍 PyTorch 文档再打开 lectures/makemore/ 下 part1 的文件把二元组模型跑起来顺手把采样和损失函数各看一遍。接着 part2 一路做到 part5每讲只多塞一层新东西MLP、批归一化、手动反传、CNN。每讲做完把 README 里的要求逐条过一遍卡住就回退别硬冲。出错代价清单 ⚠️跳过标量那两讲直接开跑语言模型从 part2 起每个自动求导对你都是黑盒part4 要手动推梯度时一步都写不出来。part4 全程当纪录片看作者明说要先自己做、卡了再对答案不动笔的话这一讲收益只剩一半。part5 靠猜张量形状这节 torch.nn 调用密集不打印 shape卷积维度对不上时你分不清错在模型还是输入。以为 GPT 那两讲的笔记本也在仓库里README 只给了视频链接翻遍仓库也找不到对应文件。今晚就把micrograd上半场跑通【免费下载链接】nn-zero-to-heroNeural Networks: Zero to Hero项目地址: https://gitcode.com/GitHub_Trending/nn/nn-zero-to-hero创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考