返回资源列表

GitHub(作者 mottopanikeiku) · mottopanikeiku

doomformer:把整数神经网络编译成 DOOM 地图

doomformer:把整数神经网络编译成 DOOM 地图是GitHub(作者 mottopanikeiku)的免费开源项目(英文)。前置条件: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。

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。

打开官方课程
难度
见前置条件
类型
项目 · 开源项目
语言
英文
规模
3 个课节
内容费用
免费
动手
需要动手环境

使用限制

仓库与 Colab 笔记本可直接浏览;本地运行需自备 Python 3.11+ 与 C 工具链,游玩 WAD 需自备引擎和免费 IWAD。

补充内容
Colab 笔记本,可免本地安装运行示例

第一次学这门课?先完成学前准备,把课程目录搭好。

每节课这样学

  1. 发提示词把下面的每课提示词发给 AI Agent,它会准备这一课的练习文件。
  2. 学官方课节打开对应课节学习,按提示从第一道练习做起;它不会替你写答案。
  3. 记进度学完让 AI Agent 在 progress.md 勾选,并把疑问整理到 questions.md。
每课提示词 · 每次学习前用
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。

课节共 3 节 · 官方顺序

  1. 01doomformer 仓库主页(README)
  2. 02Colab 笔记本
  3. 03文档目录 Docs

常见问题

免费吗?

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。

需要什么基础?

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。

有中文吗?

本站记录的语言是英文;是否有中文字幕或译本本站未核实,请以原站为准。

怎么开始?

从原始资源入口开始:https://github.com/mottopanikeiku/doomformer。本页“学前准备”列出环境与工具,“学习指南”给出开课提示词,可以在自己的电脑上按步骤开始。开课提示词尚未完整验证。补充内容需要自备:Colab 笔记本,可免本地安装运行示例。

来源与使用须知

收录时间
本站首次收录 2026-11-01
指南参考

版权与转载

  • MIT:代码可自由使用和修改,需保留版权声明。原站说明
  • 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。