1先看随机边界
不点击训练，先看背景颜色和样本点是否匹配。
深色背景上，蓝/红点是训练数据；半透明背景是网络当前预测。
类别 0
类别 1
决策边界
分错样本
当前观察Explain
尚未训练
当前模型尚未训练，背景颜色接近随机。点击“开始训练”，观察红蓝分界线如何逐渐贴合样本分布。
训练尚未开始。点击“开始训练”观察边界、曲线和权重同步变化。
橙色外圈会标出当前模型分错的样本点。
训练状态Live
Epoch
0
Loss
—
Accuracy
—
Loss 曲线
Accuracy 曲线
当前权重是随机的。训练开始后，边界会随着 Loss 下降逐步贴近样本结构。
引导任务 · 看神经网络如何学会分类
0/5
2点击开始训练
看 Loss 是否下降，Accuracy 是否上升。
3点击单步训练
观察一次参数更新后，边界和曲线的细小变化。
4调整模型容量
增加隐藏层或神经元，观察网络图和边界变化。
5增加数据噪声
看分错点和边界是否变得不稳定，理解过拟合风险。