数字/ 实验室

先训练，再测试。

绘制一个数字或点击带标签的样本。网络初始为随机权重，因此看似合理的预测也可能是完全错误的。

1. 跟踪单次预测过程

使用单步执行预测。观察 784 个像素值如何转化为 32 个激活值，再转化为 16 个，最后形成 10 个得分与概率。选中任意球体或使用层/索引控件可检查每个输入项。

2. 跟踪单步训练过程

选择一个训练样本，或识别手绘数字并为其指定目标标签。使用教学此样本并依次查看损失、输出梯度、隐藏层梯度以及拟议的更新量。只有应用 SGD 更新才会真正更改权重。

3. 在更多手写样本上训练

使用开始真实训练。一个小批量会合并多个有标签样本的梯度。在批次边界处暂停可检查不可变的快照。更新检查器显示的是真实的批次平均梯度，而非当前展示样本的梯度。

4. 测试新样本

在测试集上评估；检查混淆矩阵和错误分类。然后尝试您自己的手写绘制。画布手写体可能与这个小型训练数据集存在较大差异；即使预测概率很高也可能会出错。

数据与隐私

自带数据集为 UCI Optical Digits，而非 MNIST：包含 1,797 个真实的 8×8 样本，归一化为 28×28 输入平面。可选的 MNIST 导入功能会从博物馆验证过的 CVDF 副本下载官方 IDX 归档。绘制内容与所有计算均保留在此浏览器中。关闭或刷新页面会重置实验室；导出权重或测量数据即可将其保存。

视角与辅助功能

拖动以旋转视角；按住 Shift 拖动或右键拖动以平移；滚动或双指开合以缩放。聚焦场景后可使用方向键、+/− 和 Home 键。无需 3D 视图即可选择所有神经元。教学播放可暂停，并遵循系统的减弱动态效果设置。