MapFlow

EXPLORE THE LIBRARY

找一张地图,开始探索。

先看看学习目标、知识节点与前置关系。公开地图可以直接阅读,收藏时再登录。

Deep Learning with d2l (PyTorch)

深度学习:从 d2l 到自己的数据

以《动手学深度学习》(d2l)为核心的深度学习学习图,按「独立实现+拓展」验收。重要:d2l 中文版默认展示 MXNet 代码,本图全程绑定 PyTorch 版——用 d2l-zh-pytorch-colab 的笔记本或 zh-v2.d2l.ai/d2l-zh-pytorch.pdf。粒度 60-300 分钟/节点。前置:《Python 基础》全部(尤其 NumPy 的 axis/Broadcasting)。

34 个知识节点 · advanced

阅读学习路线 →

AIGC 全链路:从 AI 图片/视频创作到独立开发 AI 应用(零编程基础路径)

AIGC 全链路:从 AI 图片/视频创作到独立开发 AI 应用(零编程基础路径) 学习技能树

经人工校准的私人学习树。【时间口径】estimated_minutes 已按零基础实操重估,为含练习与产出的真实投入时长(非纯理解时长),合计 8580 分钟 ≈ 143 小时。【推进结构】原 depth 0–11 线性铺开重排为 7 阶段:①环境与语言地基 ②接通 API 与成本意识 ③出图主力 ④可控生成 ⑤视频成片与合规 ⑥知识增强与智能体 ⑦产品化与端到端交付。【布局】已按此结构建成 8 个块(上述 7 阶段 + 1 条并行轨「画面审美与视觉叙事」),前端切到「按块布局」即可查看。【关键路径】环境→Python 脚本→JSON→HTTP/API→大模型 API→解码原理→提示词工程→出图工具→SD 原理→ControlNet→精修→视频生成→剪辑→需求转译→综合项目;另有工程支线(向量库→RAG→Function Calling→Agent→框架→Web 后端→部署)与视觉支线(ComfyUI、LoRA、版权、行业理解)可并行。【节奏参考】5 小时/周 约 29 周;10 小时/周 约 14 周。【特别注意】画面审美与视觉叙事为 8 周并行微训练(每天 15 分钟 + 每周 1 次 60 分钟),不阻塞主干。【方法论要点】审美节点需从被动观看改为刻意训练(命名能力 + 归因能力 + 跨域参照系);工程支线只依赖大模型 API,可与视觉主线交替推进。

32 个知识节点 · intermediate

阅读学习路线 →

kaoyan-22408

22408 考研学习地图

2028 考研 22408 组合(政治 + 英语二 + 数学二 + 408 计算机统考)的备考技能树:按七大块组织,覆盖基础、强化、冲刺的学习依赖顺序。完成度从零开始,由本人在学习中逐步勾选。

46 个知识节点 · intermediate

阅读学习路线 →