Киберпидоры, помогите вкатиться в разработку нейросетей
Хайп на нейросетки существует уже давно, но новая волна хайпа стартовала в прошлом году, когда появились Stable Diffusion и прочие. А мне хочется не только смотреть, но и сделать самому.
Хотелось бы понять, как с нуля (без фреймворков и прочего, то есть без Tensorflow, Torch и так дальше) сделать хотя бы простейшую нейросеть. И я гуглил про это, но...
Если забить в гугл запрос "сделать нейросеть с нуля без фреймворков", то все результаты (по крайне мере на первой странице) будут содержать ответы типа "сейчас мы сделаем нейросеть, куда будем вводить одни числа, а на выходе получать другие". Где и как можно это использовать - нигде не написано (или я хуёво искал, собственно, почему и пишу этот пост). То есть хочется наглядности. Чтобы можно было обучить на существующих данных (а не на абстрактных числах) и сделать генератор чего-либо (например текста). Чисто на CPU, без CUDA (отчасти потому что хочется разобраться, отчасти потому что нет карты от нвидии). Да, я знаю, что тренировка будет охуеть какой долгой, но для обучения сойдёт.
Уже начинаю думать, что это какой-то заговор жидорептилоидов. Куча статей про нейросети, постоянно появляются новости вроде "хиккан сделал себе вайфу на нейросети", "спермбанк ввёл себе пиздатую нейросеть для анализа всякой хуйни", а когда начинаю искать информацию - нихуя. Будто от дауничей, вроде меня, эту информацию тщательно скрывают. А потом будет золотой миллиард, умеющий разрабатывать нейросети, а остальных определят в бесполезный биомусор.
Сам я хоть и скриптомакака (периодически произвожу говнокод на питоне) без математического (да и вообще какого-либо) образования, но всё же тема интересна. Не для заработка, а для понимания устройства. Потому что всё это выглядит как ёбаная магия. Мне как-то говорили, что смысл не в самой нейронке, а в моделях для неё. Но как работают эти модели?
Посоветуйте книги или статьи, в которых написано, как сделать нейросеть с нуля, без фреймворков, для конченых даунов, и использовать её на практике.
