ninetyhe-90/training-explore

项目介绍

Training Explorer 把 Transformer 和大模型训练的知识放进一个可操作的工作区：选择课程后，可以播放或单步执行计算事件，同时查看真实数值、张量形状，以及对应的推导、代码和实验。它面向已经见过公式、但想在 Token 到 Logits 之间看清形状、因果 Mask、残差通路和损失如何变化的学习者。

Transformer 样板课采用一组可手算的小配置：Batch 1、4 个 Token、模型维度 4、2 个注意力头、FFN 隐藏维度 8、词表大小 6。矩阵和注意力概率由固定输入实时计算，而不是随机热图；可以沿 [B,T] 一直跟踪到 [B,T,V]，事件表会把每一帧对应到具体操作和张量规模 Transformer 数值实验。

快速使用

需要 Node.js 18 或更新版本。克隆仓库后安装依赖并启动 Vite 开发服务器：

git clone <repository-url>
cd training-explore
npm install
npm run dev

打开终端中 Vite 输出的本地地址，通常是 http://localhost:5173 快速开始。如需本地检查生产构建，依次运行 npm run build 和 npm run preview 构建与预览。项目不需要数据库、API Key 或任何云端服务 无需后端。

进入界面后，用 Play、Step、Reset 以及事件表或时序条播放和跳转事件，课程侧栏可直接跳到某章的第一个事件。深入面板展示当前章节的推导、数值例、Python/PyTorch 代码和实验；语言与主题按钮可切换中英文、浅色和深色模式 操作方式。

内容范围

目前提供 14 门交互课程，覆盖训练主循环、分词与嵌入、Transformer 完整前向、反向传播与梯度、优化器、分布式训练、混合精度与显存、推理与 KV 缓存、AI Infra 量化分析、微调与对齐（SFT、DPO、RLHF、GRPO）、训练调试、最小 Agent Loop、Agent Harness 工程，以及评测、可观测性与安全 课程列表。每门课程都以原始论文、官方文档或源码资料作为参考入口。

当前只有 Transformer 样板课使用确定性的数值场景；后续计划把更多课程升级为可核对的数值状态动画，补充逐算子的反向传播演示，并让 Python 示例可自动执行、带预期输出 后续计划。

使用约束

界面使用 TypeScript、Vite 和原生 SVG，不依赖前端框架 实现原理。数值场景按事件索引从固定输入重新计算前向状态，因此连续播放、后退、跳转和主题切换不依赖上一帧残留的 DOM 状态 事件映射。

事件表里的时间用于展示教学顺序，不是真实模型延迟；缩小后的维度是教学假设，不代表生产规模、参数或输出质量。Roofline 和规模公式是估算方法，最终结果仍需在目标设备上测量 教学内容边界。Python/PyTorch 示例是配套学习材料，逐示例自动执行和结果快照仍在计划中，尚未实现 开发验证。课程、语言、主题和完成状态保存在浏览器本地，不需要账号 本地进度。

仓库未声明许可证，如需复用或再分发内容，需要自行确认授权。

HotRepo 点评

在 HotRepo 的新项目榜中，该项目以 TypeScript 项目出现，截至 2026-11-07 有 105 个 Star 和 12 个 Fork；记录的约 1.5 小时新项目窗口内新增 5 个 Star、1 个 Fork。只有这一条短周期快照，且没有记录到 GitHub 日榜名次，因此数据只能说明早期关注度，不足以判断趋势或质量。技术上值得注意的是它明确区分真实计算、教学假设和性能测量，并用事件索引到数值快照的确定性映射驱动动画；如果关心动画是否反映真实数学，这部分最值得先核对。