micrograd 學習索引

一個極簡的自動微分引擎，約 150 行 Python 實作反向傳播與神經網路。

原始碼

• original/ — karpathy/micrograd 原始 repo

原始碼

• micrograd-01-閱讀摘要 — 全貌總覽
• micrograd-02-文件重點 — 關鍵知識點
• micrograd-03-閱讀心得 — 學習體悟
• micrograd-04-閱讀評論 — 設計評析
• micrograd-05-程式碼逐行解讀 — engine.py & nn.py 逐行解析
• micrograd-06-概念卡片 — 每個概念一張卡
• micrograd-07-Q&A問答集 — 問題與解答
• micrograd-08-實驗紀錄 — 執行與修改記錄
• micrograd-09-延伸資源 — 外部連結
• micrograd-10-詞彙對照表 — 中英術語

翻譯

• translation/ — 繁體中文翻譯

學習目標摘要

• 理解自動微分（Automatic Differentiation）與反向傳播（Backpropagation）的核心原理
• 掌握神經網路的基本組成：Value、Neuron、Layer、MLP
• 能從零手寫一個 mini 神經網路框架

前置知識

• Python 基礎語法
• 微積分基本概念（導數、連鎖法則）
• 線性代數入門（矩陣乘法）

關鍵概念

• 計算圖（Computational Graph）：將運算組織為有向無環圖
• 反向傳播（Backpropagation）：沿計算圖反向傳遞梯度
• 自動微分（Autodiff）：程式自動追蹤並計算導數
• 損失函數與優化：MSE Loss、梯度下降

學習路徑建議

1. 先讀 micrograd-01-閱讀摘要 掌握全貌
2. 讀 micrograd-06-概念卡片 建立基本名詞概念
3. 跟 micrograd-05-程式碼逐行解讀 讀完 engine.py
4. 讀 micrograd-02-文件重點 強化關鍵知識
5. 操作 micrograd-08-實驗紀錄 實際跑一遍
6. 讀 micrograd-03-閱讀心得 + micrograd-04-閱讀評論 深化理解
7. 用 micrograd-10-詞彙對照表 複習