你是否曾好奇——ChatGPT、Sora这些强大AI模型，到底是怎么“学会思考”的？不是调用API，而是真正从最基础的加减乘除、链式求导开始，一行行代码亲手搭建出能学习、能预测的神经网络？《Neural Networks: Zero to Hero》正是这样一门“反套路”课程：它不教你如何快速微调大模型，而是带你退回起点，用Python从零实现自动微分引擎（micrograd）、字符级语言模型（makemore），最终直通Transformer核心逻辑。它解决的，是中文学习者长期面临的痛点——知道怎么用框架，却不懂背后为何如此；看得懂数学公式，却写不出可运行的反向传播。
核心功能
- 手写自动微分引擎 micrograd：不依赖PyTorch/TensorFlow，仅用200行纯Python实现支持标量计算的autograd系统，让你亲眼看见梯度如何沿计算图逐层回传
- 从零构建语言模型：从最简单的bigram统计模型出发，逐步升级为带嵌入层、线性层和Softmax的可训练神经语言模型，理解“预测下一个字符”的本质
- 全程Jupyter交互式教学：所有代码以Notebook形式组织，边看视频边运行、修改、调试，支持实时可视化损失曲线与采样输出
- 紧扣工程实践细节：深入讲解torch.Tensor的内存布局、in-place操作陷阱、梯度清零时机等真实开发中极易踩坑的关键点
- 渐进式知识架构：6讲内容层层递进——从标量反向传播 → 向量张量扩展 → 损失函数设计 → 优化器实现 → 模型评估与采样 → Transformer雏形铺垫
- 配套实战练习体系：每讲视频描述区均附带思考题与编码挑战（如“手动推导并验证某节点梯度”“修改采样温度观察生成效果”），学完即练
适合哪些人用
这门课不是给AI工程师的“速成班”，而是为以下三类中文学习者量身打造的“认知重装”工具：
✅ 转行入门者：有Python基础但没系统学过深度学习，厌倦了“import torch, model = CNN()”式的黑箱教学；
✅ 在校学生：学过《机器学习》《概率论》却难以将数学符号映射到代码逻辑，急需一座可触摸的桥梁；
✅ 资深开发者：熟练使用框架但对底层计算图、动态图机制、CUDA内核调度等原理存疑，渴望回归第一性原理重建直觉。
快速上手
无需复杂安装！只需三步即可开始：
1️⃣ 安装Jupyter：终端执行 pip install jupyter（推荐使用conda环境隔离）；
2️⃣ 克隆项目：运行 git clone https://github.com/karpathy/nn-zero-to-hero.git；
3️⃣ 启动学习：进入项目目录，执行 jupyter notebook，打开 lectures/micrograd/micrograd.ipynb 即可跟随第一讲动手编码。建议搭配YouTube中文字幕版视频（B站已有高质量搬运与翻译），边看边敲——记住：暂停、改参数、看输出，才是掌握的关键。
项目信息
Neural Networks: Zero to Hero
编程语言：Jupyter Notebook（Python）｜ Star 数：22307｜开源协议：MIT｜GitHub 项目地址
这不是一份文档，而是一把解剖AI的手术刀——当你亲手写出第一个正确反向传播的神经元，那种“原来如此”的震撼，远胜千次调用现成模型。
