# 交互演示 > 来源：https://deeplearning.bnuai.com/demos/ ｜作者：唐志清（北京师范大学）｜更新：2026-11-01 ｜内容依据邱锡鹏《神经网络与深度学习》（https://nndl.ai/）及作者公开课件 14 个可以直接在浏览器里操作的小实验，按章节顺序排列，配合对应章节的讲义使用。所有演示都在本地运行（训练也是在你的浏览器里用 JavaScript 完成的），不需要安装任何软件，手机上也可以使用。 ## 机器学习基础 · 第 3 章

📐 Logistic 回归与决策边界点击添加两类样本、拖动样本，实时训练 Logistic 回归 / 感知器，看决策边界和权重向量怎么变。 🎯 Softmax 与交叉熵调 logit 和温度，实时看 softmax 概率、交叉熵损失和梯度 p − y，体会“自信但错了”的代价。

## 前馈神经网络 · 第 4 章

📈 激活函数Sigmoid、Tanh、ReLU、Leaky ReLU、ELU、Softplus、Swish、GELU 的函数与导数曲线，拖动 x 看饱和区与梯度。 🧪 前馈网络训练场像 TensorFlow Playground 一样：自选层数、神经元、激活函数，在同心圆 / XOR / 双螺旋上实时训练。 🔁 反向传播逐步演示一个 2-2-1 小网络，逐步点“下一步”：前向激活值 → 损失 → 误差项 δ → 每个参数的梯度 → 更新。

## 卷积与循环网络 · 第 5–6 章

🔲 卷积运算7×7 输入、多种卷积核，调节步长和零填充，一步步看输出特征映射是怎么算出来的。 🔭 感受野与输出尺寸堆叠卷积 / 汇聚层，自动算输出尺寸和感受野，点击神经元看它“看到”输入的哪一段。 ⏳ RNN 梯度消失与爆炸按时间展开简单 RNN，看 ∂h_T/∂h_k 如何指数衰减或爆炸，再对比 LSTM 遗忘门通路。

## 网络优化 · 第 7 章

⛰️ 优化器轨迹在椭圆碗、Rosenbrock 香蕉函数和鞍点上比较 SGD、动量法、Nesterov、RMSprop、Adam。

## 注意力、无监督与生成模型 · 第 8–13 章

👀 注意力机制拖动查询和键向量看注意力权重；自注意力热图里对比两个头和因果掩码。 🧩 K 均值与 PCA一步步执行 K 均值的“分配 / 更新”；PCA 中看主成分方向、解释方差和投影。 🎭 一维 GAN 训练实时训练一维 GAN：生成分布如何逼近真实分布，D(x) 如何趋于 0.5，以及模式坍塌。

## 强化学习与序列生成 · 第 14–15 章

🤖 Q 学习网格世界在可编辑的网格世界里运行 Q 学习，实时看每个格子四个动作的 Q 值和策略箭头。 🔤 解码：束搜索与采样在玩具语言模型上比较贪心和束搜索，再调温度、Top-k、Top-p 看采样分布与多样性。

**更多可视化** - [TensorFlow Playground](https://playground.tensorflow.org/)：调整网络结构与正则化，观察分类边界的变化。 - [CNN Explainer](https://poloclub.github.io/cnn-explainer/)：交互式理解卷积网络的每一层。 - [Transformer Explainer](https://poloclub.github.io/transformer-explainer/)：在浏览器中观察 GPT-2 的注意力与生成过程。