第零部分：前置知识与环境准备

Part 概览

第零部分用于补齐进入后续学习所需的基础能力，内容覆盖 Python、NumPy、PyTorch、数据入口、训练循环、调试和性能意识，是 Part 2-4 的共同前置。对 Part 2 来说，这一部分的价值不在于把每个概念讲到最深，而在于把读代码、看 shape、理解训练闭环和排查问题的最小能力先补齐。当前 Part 0 采用 notebook-first 统一管理，逻辑编号为 01 ~ 20，并按 0A ~ 0E 五组收口。

Part 资产总览

本章分为 5 个学习组，按“语言与数据表示 -> 数据入口 -> Tensor / Autograd -> 模型构建 -> 训练与模型直觉 -> 调试与性能”的顺序推进，尽量让后续进入 Part 2 时不会在基础接口、张量变换、数据喂入和训练闭环上卡住。

学习组	核心职责	逻辑编号	组内目标
0A	基础语言与数据表示	01 ~ 04	4 节
0B	PyTorch 张量与自动求导	05 ~ 08	4 节
0C	PyTorch 模型构建	09 ~ 12	4 节
0D	训练与模型直觉	13 ~ 16	4 节
0E	调试与性能	17 ~ 20	4 节

学习路径

Part 0 建议按组推进，逐步补齐表达、数据入口、PyTorch、训练直觉、调试和性能意识这些基础能力。若你的目标是尽快进入 Part 2，优先把 0B / 0C / 0D 串起来，再回看 0A 和 0E 的补充内容。

推荐顺序

• 快速入门：先看 0A → 0B
• 面向 Part 2：先看 0B → 0C → 0D，再补 0A 和 0E。
• 系统学习：按 0A → 0B → 0C → 0D → 0E 顺序推进

面向后续部分

• 0A、0B：服务 Part 2 / Part 3 的表达、数据入口与张量前置，重点帮你读懂 shape、索引、基础算子、配置 / I/O 和 batch 相关的最小约定。
• 0C、0D：服务 Part 2 的模型与训练前置，重点帮你接上 nn.Module、loss、optimizer、训练闭环和基础模型直觉。
• 0E：服务 Part 2-4 的调试与性能前置，重点帮你建立排错和资源判断习惯。

Part 1 对照

Part 0 和 Part 1 是两层互补的前置：Part 0 先把代码写法、数据入口和训练入口补齐，Part 1 再把数量级、硬件和系统判断讲深。对于 Part 2 的学习来说，Part 1 不是必须先读完，但它能把“为什么这样写代码”背后的资源与系统原因补全。

• P1: 1A：0A / 0B 的数量级对照，补数据类型、精度、参数量和 FLOPs 的判断。
• P1: 1B：0B / 0D / 0E 的性能对照，补 GPU 架构、访存和 profiling 直觉。
• P1: 1C：0C / 0D / 0E 的训练对照，补多卡通信、VRAM 计算和 checkpoint 代价。
• P1: 1D：0B / 0D / 0E 的执行对照，补 CUDA / Triton、调度和算子编程视角。
• P1: 1E：0C / 0E 的选型对照，补编译优化、硬件判断和 TCO 视角。

环境说明

• 默认按 CPU-first 设计
• 少数页面会标注 GPU optional 或 GPU required