在真正的 CNN 中，每個卷積核掃描圖片的一小塊區域（3×3 pixel patch），偵測邊緣、紋理、角落等特徵。
現在，你來做這件事。
系統會隨機生成一個數字，你需要一塊一塊地辨識特徵，完成一次人肉前向傳播。
點擊任何非輸入層的神經元來「切除」它。觀察模型的預測能力如何崩壞——或者意外地變好。
💡 點擊矩陣中的格子可以手動增加該 attention weight
選擇一個 Head 來查看解釋
點擊矩陣修改 weight 後，觀察語意變化
點擊圖中的詞彙查看詳情
點擊詞彙後會顯示 5 個最近的鄰居
損失函數衡量模型預測和真實值的差距。拖動滑桿改變預測值 ŷ，觀察不同損失函數的反應。
點擊「一步 SGD」讓預測值沿著梯度方向移動。嘗試在 5 步內把 MSE 降到 < 0.01！
AI 怎麼「看」東西？CNN 的每一層就像戴不同的眼鏡——第一層看邊緣，中間層看紋理，深層看整體結構。
輸入描述文字，看系統對每張圖片的匹配分數
你就是 SGD 優化器。一個簡單的 2 層網路：Input → w1 → Hidden → w2 → Output。手動算梯度並更新權重。
載入中...