我写了一本从零实现深度学习与大语言模型的入门教程：
从人工神经元到聊天机器人
一本 从零实现深度学习与大语言模型 的入门教程
从最基础的 人工神经元 开始，逐步构建完整的深度学习训练框架，并最终实现一个可以进行文本生成和对话的 GPT 聊天模型。
全部使用 NumPy 从零实现，不依赖于任何深度学习框架，帮助读者真正理解现代深度学习模型的内部原理。
1. 从零实现
所有模型与算法均使用 NumPy 实现：
不依赖深度学习框架，所有核心算法完全透明。
读者可以看到每一步计算的具体实现。
2. 逐步构建完整训练框架
本书不仅介绍模型，还会一步步构建一个深度学习框架，包括：
张量（Tensor），自动微分（Autodiff），优化器（Optimizer），数据集（Dataset），模型结构（Model）...
读者将从零实现一个简化版的 深度学习框架。
3. 覆盖完整深度学习发展路线
从最基础模型一直到现代 大语言模型（LLM）：
人工神经元 → 多层感知机 (MLP) → 卷积神经网络 (CNN) → 循环神经网络 (RNN / LSTM) → Transformer → GPT
最终实现一个可以 生成文本的 GPT 模型。
4. 所有章节均可独立运行
本书的每一章均采用 Jupyter Notebook (.ipynb) 编写：
每个章节都可以 独立运行，代码与解释 紧密结合，方便读者实验与修改。
读者可以一步步运行代码，观察模型训练过程。
现代深度学习框架极大降低了使用门槛，但也隐藏了很多关键细节。这本书想做的事情只有一件：
理解每一行代码背后的数学与算法
GitHub 代码仓库：github.com/n2gpt/from-…
电子书地址（免费）：从人工神经元到聊天机器人
欢迎 Star，也欢迎在评论区告诉我哪里讲得还不够清楚。
目录
第一部分：神经网络模型
- 多层感知机（已完成）
- 深度学习框架（已完成）
- 卷积神经网络（每天一章，进行中）
- 循环神经网络
第二部分：大语言模型
- 分词器
- 自注意力机制
- 预训练
- 微调
- 推理
