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。
- 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
选择学习环境
按你的电脑系统准备;提示词在你自己的电脑上使用。
本机动手
先按 README 安装并用 doctor 检查依赖,再从最小 MLP 示例跑到 MNIST 地图和博物馆演示。
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。
准备工具和账号
标“选用”的可以跳过。
- 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 选用免安装跑示例
- GZDoom 等 DOOM 引擎与 Freedoom IWAD,用于直接游玩 museum.wad选用用于补充内容
让 AI Agent 一次搭好课程
复制开课提示词发给你常用的 AI Agent。它会下载允许保存的官方材料、建立课节目录并自检;需要账号、权限或费用时会先问你。
开课提示词 · 只需用一次此提示词尚未实测验证请帮我把「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。搭好后的课程目录
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/
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
- 课程主页
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。