GitHub · 24,875 StarAndrej Karpathy公共 API · 核对于 2026年10月20日（今天）
阅读作者原文 ↗课程目录逐课列出代码与练习，包含损失、采样、梯度和训练问题的分析。整套系列只收录一个入口，不以不同章节重复计数；英文讲解与代码需要一定阅读能力。
热度是核对时可见的数据，不是实时计数或内容质量评分。建议学习时长为本站安排。
查看热度出处 ↗你能学到什么
- 理解 micrograd 中计算图和反向传播怎样连接，并通过小例子观察梯度。
- 在 makemore 中区分训练、采样和损失评估，逐步理解字符语言模型到 GPT 的变化。
前置知识
Python 基础及高中微积分的初步概念；进入后续 GPT 章节前先完成字符模型与张量练习。
动手试一试
本站建议：跟着第一课构建一个含两个变量的小计算图，手算一个梯度，再与自动反向传播结果比较；修改一个输入，记录预测与梯度的变化。
学习说明
以上学习点依据作者公开的教程与项目说明整理，练习为本站建议，未逐项实跑或验证学习效果。完整步骤、代码和版本要求请查阅作者原文。
上下文实操：让 AI 接着做项目，减少忘记约定和乱补信息
用一段会议记录建立工作记忆，练习筛选材料、保留冲突、换会话交接与输入预算，附完整提示和可运行预算示例。
打开站内手册 →来源与内容说明
GitHub 社区 · Andrej Karpathy
保留作者与原始链接，第三方资料的权利属于原作者。
收录：2026年10月19日
核对原始资料待核验公开版本 1
适用范围：尚未标注，请结合原文与实际环境核对
人工核验：尚无核验记录