@sjtugzj #23 图片是 DALL-E 3 生成的，前端后面我再瞅瞅怎么改。

做得很好，赞！楼主后续有考虑做下按作者来分别游览书籍吗，比如每个作者的书籍在一个 Subspace 这种。比如卡尔维诺和王小波的书各自在一个 Space ，然后他们之间也可以有 link 这种。感觉这样也会很有意思。

另外放一下直接做的一个关于《看不见的城市》的可视化站点: https://calvino.datahonor.com/city, 当时的目标是做成楼主这种科技和文学碰撞的感觉，但确实水平有限，就只能做成这样了:)

@kid1412621 太穷了 Orz

https://github.com/ai-glimpse

因为作者只有一台 16G 的显卡，所以这些基本都可以本地跑。

@dryadent 👍，确实是踩过坑才知道:D

> https://datahonor.com/blog/2025/02/20/dl_book/#neural-networks-from-scratch-in-pythonnnfs

大语言模型三剑客:
Build a Large Language Model (From Scratch)
Super Study Guide: Transformers & Large Language Models
Natural Language Processing with Transformers

深度学习基础:
Neural Networks and Deep Learning(NNDL)
Neural Networks from Scratch in Python(NNFS)
Dive into Deep Learning(D2L)
Grokking Deep Learning

“底层比较原理性的东西是否可以先跳过”
个人认为可以的

“模型微调”需要学习的东西
我建议看 Natural Language Processing with Transformers ，Huggingface 工程师写的，可以跟着敲代码，也没那么多底层细节。适合 Learning by doing.

后面想补 LLM 底层原理知识，可以看 Build a Large Language Model (From Scratch)和 Super Study Guide: Transformers & Large Language Models.

如果对深度学习基础不熟，可以先从一些基础的知识学起。比如读一下 Neural Networks and Deep Learning(NNDL)。

https://datahonor.com/blog/2025/02/20/dl_book/ 这里简单写了上面几本书和其他一些相关书籍的书评，也可以参考看下。

其实从开始用`Union`开始，就已经把潘多拉魔盒打开了一半。再用`getattr`，几乎是不可避免地成为屎山了。

为了避免误解，补充说明一下，用`Union`和`getattr`都没问题，前提是会用。从这个半个钟的单测来看，似乎并不是如此。

@XIVN1987 这个估计难，毕竟丑那么多年了也没怎么动过:D

@twig traceback 的问题可以看 https://docs.python.org/3/library/sys.html#sys.tracebacklimit ，是可以控制的

@TrackBack 如果依赖很老的库确实麻烦。如果是因为 Python 版本的问题，可以试下类似这种[方法]( https://python-poetry.org/docs/dependency-specification/#multiple-constraints-dependencies):

```toml
[project]
# ...
dependencies = [
"foo (<=1.9) ; python_version >= '3.6' and python_version < '3.8'",
"foo (>=2.0,<3.0) ; python_version >= '3.8'"
]
```

https://datahonor.com/cs/programming/general/learn/?h=cs1#books

我推荐从斯坦福的 CS106A 开始学。

可以看点 LLM 的好书： https://mp.weixin.qq.com/s/u58XQrNfscKDOa8KPFxW7w

一般来说，搞 ML 的代码写的一般都会比较随意(无贬义)，因为大部分时候没必要写那么好。根本在于代码主要是为了做实验，不需要长期维护。所以如果想找一些 best practice, 就找哪些非 ML 且长期维护的 Python 库参与贡献比较好。

两者都不可取，建议和 redis-py 对齐： https://redis.io/docs/latest/develop/clients/redis-py/
>All responses are returned as bytes in Python. To receive decoded strings, set decode_responses=True.

也就是说把选择空间留给用户。

大家有疑问的地方欢迎到博客评论区交流~

@xiaket #6 哦哦，这个意思，我研究下看看

@arielherself 我来研究一下