与其调用黑盒，不如自己写一遍。
零依赖神经网络框架 axon 的作者。
我做东西关注同一件事：把底层原理摊开写清楚，并且证明它是对的。
axon · 零依赖神经网络框架
自动微分、张量运算、卷积、层、优化器与训练循环，全部手写。同一份代码在浏览器和 Node.js 里都能跑。
| 依赖 | 测试 | 最新版本 | matmul 512×512 |
|---|---|---|---|
| 0 | 95 | v0.3.0 | 2.36 GFLOP/s |
核心主张是梯度可验证：每个算子都自带有限差分对照，梯度错了立刻暴露，而不是「跑起来没报错就算对」。这个机制抓到过三个静默 bug——前向传播完全正确，只有数值梯度能发现权重在错误地训练。
v0.3.0 补齐了 LayerNorm、Embedding、MultiHeadAttention、TransformerBlock 和 GELU。新增的梯度回归测试又抓到过一个只在 gamma 开启时出现的 LayerNorm 反向错误。
性能上坦白说比 TensorFlow.js 慢一个数量级，这是刻意的取舍：数据存在 Float64Array 里，但计算是标量 JS 循环，没有 WASM、没有 SIMD、没有算子融合。换来的是每一行都能读懂。适合学习原理，不适合训 ResNet。
在线 Demo · 项目主页 · v0.3.0 Release · 源码 · npm
rope-embedding · 零依赖旋转位置编码
axon 有 MultiHeadAttention 和 TransformerBlock，但一直没有位置编码——这个补上缺的那块。RoPE 出自 RoFormer，现在是开源大模型的默认选择。
从数学定义手写，不引入任何张量库。内置性质自检：正交性、范数保持、相对位置不变性全部数值验证，误差触到双精度机器 epsilon。
| 依赖 | 测试 | 自检最大偏差 |
|---|---|---|
| 0 | 48 | 2.22e-16 |
两种配对约定（half / interleaved）都实现——接错会静默出错，因为两者都满足全部数学性质，只是旋转的维度对不同。
awesome-shlab-opensource · 开源导航
上海人工智能实验室开源项目的分类索引。重点不在「有哪些项目」，而在许可证风险标注——同一个页面上的项目，权限差异极大。
| 标记 | 含义 |
|---|---|
| 🟢 | Apache-2.0 / MIT，自由使用 |
| 🟡 | AGPL-3.0，衍生作品须同样开源 |
| 🟠 | 附加条款，如 MinerU 的商用阈值与在线署名义务 |
| 🔴 | 无许可证，默认保留所有权利，不得转载 |
| ⛔ | 非商用许可，禁止商用与再分发 |
另附官方页面三处勘误：组织改名导致三个链接过期、把组织当成仓库、标称数量与实际不符。
interstellar-courier · 星际快递员
零依赖、零构建，打开浏览器就能玩的 Canvas 迷你太空躲避游戏。
手写自动微分 · 手写卷积 · 零依赖工程习惯 · 用有限差分验证梯度
欢迎在任一仓库提 Issue 或 PR。如果你给 axon 实现了新算子，请务必附上梯度校验用例——这是那个项目唯一的质量底线。