Group 0C: PyTorch Model Construction | 0C: PyTorch 模型构建

本组把 Tensor 和 Autograd 推进到 nn.Module、Optimizer 和 Loss，是从“会算”走向“会搭模型”的核心过渡层。对 Part 2 来说，这一组最重要的作用是先把模型代码怎么组织、怎么调用、怎么保存看顺，再去读后面的模型结构页时就不会只看见接口名。

Group Overview | 组概览

这一组把 Tensor 和 Autograd 推进到 nn.Module、Optimizer 和 Loss，帮助你把“会算”推进到“会搭模型”。你可以把它看成从‘张量和梯度’走向‘模型对象’的那一步：先知道参数挂在哪，再知道 forward() 怎么走，最后才是训练怎么闭环。

对 Part 2 来说，这一组先补的是模型代码怎么组织、怎么调用、怎么保存的语法桥：nn.Module、forward()、parameters()、named_parameters()、state_dict()、load_state_dict()、zero_grad()、optimizer.step()、loss.backward()，以及把模型参数、输入 batch 和训练步对齐的最小读法。

等这一层接口看顺后，再去 0D 看“这些模块为什么这样设计”，路线会更自然。

Group Asset Overview | 组内资产总览

页	核心职责	Q 数	验证数	覆盖 Q	定位
09	nn.Module 与参数管理	4	4	Q1, Q2, Q3, Q4	起步页
10	state_dict、checkpoint 和持久化边界	6	6	Q1, Q2, Q3, Q4, Q5, Q6	主线页
11	loss、optimizer 和训练步	4	4	Q1, Q2, Q3, Q4	核心页
12	Dataset / DataLoader / batch 契约	6	6	Q1, Q2, Q3, Q4, Q5, Q6	收口页

Learning Path | 学习路径

Recommended Order | 推荐顺序

• 先看 09 -> 10 -> 11 -> 12，把模块封装、状态管理、优化器、损失和训练接口先接起来。若目标是尽快进入 Part 2，至少要把 09、11 和 12 看懂，它们直接对应后面的模型定义、训练循环和 loss 对齐。

Part 2 重点 | Part 2 Focus

• 09：先补 nn.Module、参数注册、forward() 入口，解决“模型代码从哪里开始读”的问题。
• 10：先补 state_dict()、load_state_dict()、checkpoint 和保存边界，解决“参数怎么保存和恢复”的问题。
• 11：先补 loss.backward()、zero_grad()、optimizer.step()，解决“训练步怎么闭环”的问题。
• 12：先补 Dataset / DataLoader / batch 契约，解决“数据怎么喂进训练循环”的问题；如果后面开始做 SFT 或其他监督微调，这一页也会帮助你看懂样本如何对齐成训练 batch。

Next Steps | 后续衔接

• 看完本组后，继续进入 0D，把训练循环、激活函数、归一化和 Attention 直觉补齐；如果 Part 2 里已经开始写训练代码，这一组会是最常回头查的前置之一。
• 先把 0C 里的“怎么写代码、怎么接接口”看顺，再去 0D 看“为什么这样设计模型”，会更像一条连续的学习路径。

Environment Notes | 环境说明

• 默认按 CPU-first 阅读，优先把模块职责和接口边界看懂。
• 这里只写组级统一前提，不点到具体节号。
• 少数页面如需 GPU optional，以后续单页说明为准。