nndl/nndl-practice

它解决了什么问题

该项目弥合了深度学习理论与实际工程之间的差距。它通过使用PyTorch从零实现核心神经网络组件，并将其应用于真实、可运行的任务，帮助学习者超越抽象概念。

工作原理

该仓库按10章组织，模仿教科书结构。每章使用Jupyter Notebooks指导你实现算法——从基本的线性模型开始，逐步进展到复杂的架构，如Transformer、图神经网络和大语言模型。随着你的进步，项目帮助你构建一个可复用、轻量级的训练框架（nndl/），从简单的训练循环演变为专业级的模型管理。

适用对象

它面向具有Python基础知识并希望通过动手实践学习深度学习的学生和工程师。它旨在与理论教科书一起使用。

亮点

• 逐步实现： 从零构建关键组件，如卷积、注意力机制和优化算法。
• 渐进式框架： 随着章节推进，开发一个模块化、可复用的代码库（nndl/）。
• 全面覆盖： 主题从基本回归和神经网络到前沿的LLM、智能体和图神经网络。
• 验证工具： 每章包含健全性测试，确保你的实现与预期的模型形状和核心逻辑匹配。
• 灵活的学习路径： 提供针对特定兴趣（如计算机视觉、序列建模或LLM开发）定制的学习轨道。