🌙
🧠 神经网络训练器
🔗 GitHub
🕸️ 网络结构
输入层
隐藏层 1
×
输出层
+ 添加隐藏层
⚙️ 训练参数
网络类型
回归网络（MSE）
分类网络（Softmax + Cross Entropy）
网络架构
MLP（全连接）
CNN（一维卷积）
RNN（循环网络）
Attention（自注意力）
卷积核大小
卷积核数量
RNN 隐藏维度
嵌入维度
注意力头数
优化器
Adam
动量 (Momentum)
RMSProp
SGD
学习率 (lr)
训练轮数 (epochs)
批大小 (batch size)
随机种子 (留空=随机)
激活函数
Leaky ReLU
ReLU
Sigmoid
Tanh
启用 WebGL / GPU 加速
启用早停机制
启用 Dropout
Dropout 比率 (0~1)
启用 L2 正则化
L2 正则系数 (λ)
划分测试集
测试集比例
▶ 开始训练
未开始
💾 保存模型
📂 加载模型
就绪 — 请添加训练数据
📦 回归示例
XOR 异或问题
非线性函数拟合
曲线拟合（正弦函数）
📦 分类示例
🌸 鸢尾花分类（3 类）
🌀 螺旋分类（2 类）
🔢 数字分类（4 类）
📦 架构示例
🔍 CNN 信号峰值检测
🔄 RNN 序列预测
🎯 Attention 波形分类
📊 训练数据
x₁
y₁
+ 添加样本
🗑️ 清除全部
📈 Loss & Accuracy 曲线
📊
请先训练网络，曲线将在此处显示
🔍 混淆矩阵 (Confusion Matrix)
🗺️ 决策边界可视化 (Decision Boundary)
仅适用于输入维度为 2 的分类任务。训练完成后将自动绘制决策边界。
🔗 网络结构可视化
🖱 拖拽平移 · 悬停神经元查看参数
🔮 推理面板
▶ 预测