# doomformer：把整数神经网络编译成 DOOM 地图

- 发布方：GitHub（作者 mottopanikeiku）；作者：mottopanikeiku
- 形式：开源项目 · 英文
- 原始资源：[https://github.com/mottopanikeiku/doomformer](<https://github.com/mottopanikeiku/doomformer>)
- 本站页面：[https://oplearnx.com/resources/res\_h7g3kgnmn532](<https://oplearnx.com/resources/res_h7g3kgnmn532>)
- 学习主题：人工智能 / 机器学习；人工智能 / AI 系统与效率；人工智能 / 机器学习 / 深度学习
- 内容状态：状态待核验
- 原始发布时间：未知（待核验）
- 本站首次收录：2026-11-01 00:01

## 能学到什么

理解并复现一个把整数神经网络映射为 DOOM 地图机制（voodoo dolls、光照值、地板高度）的编译器，能在本地跑通安装、示例与校验流程，并了解其防自欺的检查设计。

- 安装 doomformer 并用 hello 命令跑通一个小型 MLP，观察 DOOM 计算结果与 NumPy 整数参考逐值相等
- 用 draw --digit 命令生成 MNIST 地图，理解海洋角色行走画数字、地图读取并识别数字的流程
- 解释神经网络各要素到地图机制的映射：值→voodoo dolls 数量、权重→地板线、求和→光照或高度、ReLU→门梯
- 运行 museum verify 演示，观察 MUTATE 改动一条连接后读数从 7 变为 1、RESTORE 后恢复
- 了解仓库的校验方法：每次运行与 NumPy 对比、篡改权重线、2 万随机网络模糊测试等
- 用 doomformer doctor 检查并搭建 ACC/ACS 编译器等依赖环境

## 适合我吗

- 适合：对神经网络原理、编译器与非常规计算感兴趣，希望动手跑通一个完整 AI 小项目的学习者。
- 需要留意：想系统学习神经网络理论、训练方法或 DOOM 模组制作的人，本仓库重点在编译与逐值校验。

## 前置条件与费用

- 知识前置：需要基础 Python 使用能力，并了解神经网络前向计算（矩阵乘、ReLU）的基本概念；网页另提到模型在 strokes 上训练，未说明额外训练前提。
- 软件、账号与硬件：Python 3.11\+，Linux 或 macOS；doctor 构建 ACC 编译器需要 git、cmake 与 C 编译器；可选用 Colab 免安装学习；游玩 museum.wad 需 GZDoom 等引擎与 Freedoom IWAD。
- 内容费用：免费：仓库公开可读，README 节选直接给出安装命令、命令用法与原理说明，未见付费墙或登录拦截。
- 实践费用：实践无额外费用：网页只提到用 pip 安装、本地运行和免费 Freedoom IWAD，未说明需要付费云服务或 API。
- 转载与修改：按材料分别核对，见本页“来源核验与开课实跑”；仓库许可不自动适用于教材或视频。

## 准备工具

- Python 3.11\+：运行 doomformer 与读取校验脚本
- git、cmake、C 编译器：构建 ACC/ACS 编译器
- [Colab 笔记本](<https://colab.research.google.com/github/mottopanikeiku/doomformer/blob/main/examples/doomformer_colab.ipynb>)：免安装跑示例

## 学习指南

开课检查：提示词由本站整理，尚未按提示词实际完成开课检查。

### 开课提示词（Windows）

```text
请帮我把「doomformer：把整数神经网络编译成 DOOM 地图」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://github.com/mottopanikeiku/doomformer
我的系统：Windows。如果实际不符，先调整方案。
本次路线：Windows：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：按 README 运行 hello、draw --digit 7 与 museum verify 三项示例；如需脱离 Python 体验，可下载 museum.wad 与 Freedoom IWAD 后用 gzdoom -iwad freedoom2.wad -file museum.wad 打开。
课节（官方顺序）：
1. doomformer 仓库主页（README）：https://github.com/mottopanikeiku/doomformer
2. Colab 笔记本：https://colab.research.google.com/github/mottopanikeiku/doomformer/blob/main/examples/doomformer_colab.ipynb
3. 文档目录 Docs：https://github.com/mottopanikeiku/doomformer/blob/main/docs/README.md

1. 环境
- Python 3.11+（Linux 或 macOS）
- git、cmake、gcc/g++ 或其它 C 编译器
- pip 可安装的 doomformer 包
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://github.com/mottopanikeiku/doomformer
3. 目录（最外层放在我确认的位置）
doomformer/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.ps1     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-01-doomformer-readme/
    ├── 02-02-colab/
    └── 03-03-docs/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.ps1，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。将下面检查转换为 PowerShell 命令，不使用 Bash 语法。
  - doomformer doctor  → 环境与 ACC 编译器检查通过
  - doomformer hello  → 输出显示计算值与 NumPy 参考 tolerance 0 相等
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 开课提示词（macOS）

```text
请帮我把「doomformer：把整数神经网络编译成 DOOM 地图」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://github.com/mottopanikeiku/doomformer
我的系统：macOS。如果实际不符，先调整方案。
本次路线：macOS：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：按 README 运行 hello、draw --digit 7 与 museum verify 三项示例；如需脱离 Python 体验，可下载 museum.wad 与 Freedoom IWAD 后用 gzdoom -iwad freedoom2.wad -file museum.wad 打开。
课节（官方顺序）：
1. doomformer 仓库主页（README）：https://github.com/mottopanikeiku/doomformer
2. Colab 笔记本：https://colab.research.google.com/github/mottopanikeiku/doomformer/blob/main/examples/doomformer_colab.ipynb
3. 文档目录 Docs：https://github.com/mottopanikeiku/doomformer/blob/main/docs/README.md

1. 环境
- Python 3.11+（Linux 或 macOS）
- git、cmake、gcc/g++ 或其它 C 编译器
- pip 可安装的 doomformer 包
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://github.com/mottopanikeiku/doomformer
3. 目录（最外层放在我确认的位置）
doomformer/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-01-doomformer-readme/
    ├── 02-02-colab/
    └── 03-03-docs/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - doomformer doctor  → 环境与 ACC 编译器检查通过
  - doomformer hello  → 输出显示计算值与 NumPy 参考 tolerance 0 相等
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 开课提示词（Linux）

```text
请帮我把「doomformer：把整数神经网络编译成 DOOM 地图」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://github.com/mottopanikeiku/doomformer
我的系统：Linux。如果实际不符，先调整方案。
本次路线：Linux：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：按 README 运行 hello、draw --digit 7 与 museum verify 三项示例；如需脱离 Python 体验，可下载 museum.wad 与 Freedoom IWAD 后用 gzdoom -iwad freedoom2.wad -file museum.wad 打开。
课节（官方顺序）：
1. doomformer 仓库主页（README）：https://github.com/mottopanikeiku/doomformer
2. Colab 笔记本：https://colab.research.google.com/github/mottopanikeiku/doomformer/blob/main/examples/doomformer_colab.ipynb
3. 文档目录 Docs：https://github.com/mottopanikeiku/doomformer/blob/main/docs/README.md

1. 环境
- Python 3.11+（Linux 或 macOS）
- git、cmake、gcc/g++ 或其它 C 编译器
- pip 可安装的 doomformer 包
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://github.com/mottopanikeiku/doomformer
3. 目录（最外层放在我确认的位置）
doomformer/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-01-doomformer-readme/
    ├── 02-02-colab/
    └── 03-03-docs/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - doomformer doctor  → 环境与 ACC 编译器检查通过
  - doomformer hello  → 输出显示计算值与 NumPy 参考 tolerance 0 相等
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 每课提示词

```text
继续学习「doomformer：把整数神经网络编译成 DOOM 地图」。课程目录是 doomformer/（不知道完整路径就先问我）。
1. 读 progress.md，找到下一课；如果我指定了第几课，就准备那一课。
2. 打开这一课的官方页面和本地讲义，列出本课练习要用的工具、文件和样例数据。缺少的先告诉我，等我同意再安装或下载。
3. 在 lessons/ 对应的课节文件夹里准备好练习：exercises/ 里给每道题建一个文件，写上题号和题目原文链接，不写答案；已有文件保留，样例数据放到 data/。拿不到官方题目或起始代码时记录限制，不编造替代品。
4. 按 README 运行开课时生成的自检脚本或在线检查清单，并检查本课新增工具能否正常使用。
5. 告诉我：本课先读哪几节、从哪道练习开始、大约需要多久。我学完后，帮我在 progress.md 勾选并把问题整理到 questions.md。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
```

### 课节（官方顺序）

1. [doomformer 仓库主页（README）](<https://github.com/mottopanikeiku/doomformer>)
2. [Colab 笔记本](<https://colab.research.google.com/github/mottopanikeiku/doomformer/blob/main/examples/doomformer_colab.ipynb>)
3. [文档目录 Docs](<https://github.com/mottopanikeiku/doomformer/blob/main/docs/README.md>)

## 指南参考

- [课程主页](<https://github.com/mottopanikeiku/doomformer>)

## 来源、许可与验证记录

- **开课提示词未完整验证，需要自备账号或资源**：Python 3.11\+（Linux 或 macOS）用于安装与运行 doomformer；git、cmake、C 编译器，供 doomformer doctor 构建 ACC/ACS 编译器；Colab 笔记本，可免本地安装运行示例；GZDoom 等 DOOM 引擎与 Freedoom IWAD，用于直接游玩 museum.wad
- 转载与修改 · 课程页面与材料：MIT。仓库侧栏标注 MIT license，LICENSE 文件在仓库根目录 [依据](<https://github.com/mottopanikeiku/doomformer>)
- 链接检查：1/1 个可以访问

## 来源与推荐

- Hacker News · Show HN 高分项目：[Show HN: I Turned DOOM into a Transformer](<https://news.ycombinator.com/item?id=50297697>)（2026-10-30 07:25）

---
来源：LearnMap · 学径（https://oplearnx.com）