MiniMind 学习笔记 - 总索引
这是我学习 MiniMind 项目的笔记系统入口
📚 文档结构
为了方便复习和查找,笔记系统分为三个文件:
1. learning_log.md - 学习日志
📝 记录每日学习进度、遇到的问题和解决方案
内容:
- 每日完成事项
- 遇到的Bug和解决方案
- 个人思考和感悟
- 学习计划
2. knowledge_base.md - 知识库
📖 系统化整理的知识点、概念解释和问答记录
内容:
- 归一化机制(RMSNorm, LayerNorm)
- 位置编码(RoPE)
- Transformer 架构
- 问答记录(Q&A)
- 重要公式汇总
3. learning_materials/ - 学习辅助材料
💻 可执行的示例代码,帮助理解核心概念
内容:
- 归一化相关(3个程序)
- 位置编码相关(3个程序)
- 注意力机制相关(1个程序)
- README 使用说明
查看:learning_materials/README.md
🔍 快速查找
按主题查找
| 主题 | 查看位置 |
|---|---|
| 环境搭建问题 | learning_log.md § 2025-11-06 |
| RMSNorm 原理 | knowledge_base.md § 归一化机制 |
| RoPE 原理 | knowledge_base.md § 位置编码 |
| 问题解答 | knowledge_base.md § 问答记录 |
| 可执行示例 | learning_materials/README.md |
按日期查找
- 2025-11-06: 环境搭建 + 模型运行
- 2025-11-07: Transformer 核心组件学习
🎯 当前学习进度
阶段:第一阶段 - Transformer 核心组件学习中
完成度:2/4
- ✅ RMSNorm(归一化)
- ✅ RoPE(位置编码)
- ⏳ Attention(注意力机制)
- ⏳ FeedForward(前馈网络)
下一步:深入理解 Attention 机制
📂 项目文件结构
minimind/
├── notes.md ← 你现在看的(总索引)
├── learning_log.md ← 学习日志
├── knowledge_base.md ← 知识库
├── learning_materials/ ← 学习辅助材料
│ ├── README.md
│ ├── why_normalization.py
│ ├── rmsnorm_explained.py
│ ├── normalization_comparison.py
│ ├── rope_basics.py
│ ├── rope_multi_frequency.py
│ ├── rope_explained.py
│ └── attention_explained.py
├── CLAUDE.md ← AI 助手指南
├── model/ ← 真实代码实现
│ └── model_minimind.py
├── trainer/ ← 训练脚本
├── dataset/ ← 数据集
└── MiniMind2/ ← 预训练模型🚀 快速启动命令
bash
# 进入项目
cd /Users/de-shiouhuang/Documents/code/minimind
# 激活虚拟环境(每次使用前必须执行)
source venv/bin/activate
# 测试预训练模型
python eval_llm.py --load_from ./MiniMind2
# 运行学习材料
python learning_materials/why_normalization.py
python learning_materials/rope_basics.py💡 使用建议
学习新知识时:
- 先运行
learning_materials/中的相关程序 - 查看
knowledge_base.md中的系统化解释 - 在
learning_log.md中记录个人思考
- 先运行
遇到问题时:
- 查看
learning_log.md中的问题解决方案 - 查看
knowledge_base.md中的问答记录
- 查看
复习时:
- 按主题查找
knowledge_base.md - 按日期回顾
learning_log.md
- 按主题查找
最后更新:2025-11-07 学习进度:第一阶段 - Transformer 核心组件学习中(2/4 完成)