从张量到小模型 7 天 PyTorch / LLM 起步
已尝试 0 / 0 步 保存在此浏览器
开始前

检查学习环境

GPU 不是门槛。能运行 Python 并导入 PyTorch,就可以完成整条主线。

从项目根目录开始

先进入包含 index.htmlrequirements.txtscripts 文件夹的 MiniMind 目录。下面四行要在同一个终端里依次运行:

python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
python scripts/doctor.py

看到命令行开头出现 (.venv),表示已进入这门课自己的 Python 环境。它和 Conda 的 (base) 同时显示也不是报错。以后重新打开终端,只需先回到项目根目录,再运行 source .venv/bin/activate

本课只需会读 5 种 Python 写法

NAME = 4
赋值:给一个名字保存数字;全大写通常是让你修改的配置。
print(x)
函数调用:让 Python 执行括号前面的动作。
def forward(...):
缩进块:冒号后缩进的行属于同一段动作。
[1, 2, 3]
列表:按顺序放在一起的一组值。
class TinyModel(...):
self.layer
模型路标:先把 class 当作“模型从这里开始”,self 当作“这个模型自己的”。本课不要求先学会面向对象。
环境暂时没配好

可以先看概念和互动实验。Day 1 结束前,再回来实际运行一次代码即可。

随手查

术语翻译器

本地数据

学习进度

进度只保存在当前浏览器。导出、导入或清除学习进度都不包含、也不会删除 AI Key。

重新开始整门课程

这会清除当前浏览器中的步骤、测验、信心和待复习记录。

需要申请

运行固定练习需要确认

这是你发起的一次范围受限运行。它不会执行你输入的命令,也不会修改课程文件。

授权只对当前浏览器会话生效,可以随时关闭页面结束。

需要申请

老师申请查看数据

只在你下一次向老师提问时携带这类数据;授权只保留到关闭此浏览器标签页,可随时停止共享。

需要确认

应用老师的实验建议

填入后仍需要你自行点击“运行固定练习”;老师不能修改服务器或你的课程文件。