可视化资源

书中关键概念与模型的动图与交互演示，便于直观理解。条目按《神经网络与深度学习（第二版）》的章节顺序排列。

第 4 章 · 前馈神经网络

TensorFlow Playground ↗

在浏览器里直接搭一个浅层前馈网络，实时观察隐藏层学到的特征。

第 5 章 · 卷积神经网络

二维卷积

不同步长、填充下的二维卷积过程演示。

转置卷积与空洞卷积

对比卷积、转置卷积；不同膨胀率下的空洞卷积。

GoogLeNet 结构

GoogLeNet（Inception）网络结构示意。

CNN Explainer

PoloClub 出品的交互式 CNN 解释器，可逐层查看激活与卷积运算。

第 6 章 · 循环神经网络

RNN / LSTM / GRU

循环神经网络的时间展开、LSTM 三个门控、GRU 简化结构。

第 7 章 · 网络优化与正则化

优化算法对比

SGD / Momentum / Adam 等在三维损失面上的轨迹，附交互式资源。

第 8 章 · 注意力机制与 Transformer

注意力机制

编码—解码注意力、自注意力与多头注意力的可视化。

位置编码

Transformer 中正弦/余弦位置编码的几何直观与不同位置的相似度模式。

序列建模专题

跨 CNN / RNN / Transformer 的 Seq2Seq 横向对比，便于理解各架构在序列任务上的权衡。

基于 RNN

编码器—解码器结构的循环神经网络 Seq2Seq，常用于机器翻译。

基于卷积

WaveNet 与 fairseq 卷积 Seq2Seq：用卷积代替循环，可并行训练。

Transformer

基于自注意力机制，可并行处理整个序列，是当前大模型的基础架构。

第 9 章 · 图神经网络

GNN 消息传递

distill.pub 互动文章：节点 / 边特征如何在消息传递中聚合更新。

第 10 章 · 无监督学习

t-SNE 与降维

distill.pub 经典互动：如何正确解读 t-SNE 图，以及 perplexity / 迭代步数的影响。

第 12 章 · 深度强化学习

GridWorld 强化学习

Karpathy 的 REINFORCEjs：在网格世界里实时观察价值迭代、Q-Learning、Policy Gradient。

第 13 章 · 大语言模型与智能体

LLM 内部结构（3D）

bbycroft.net/llm：3D 交互式 GPT 内部张量流动演示，从 token 到 logit 的全过程。

第 16 章 · 深度生成模型

扩散模型

前向加噪、反向去噪过程，以及与 GAN / VAE 的对比。

GAN Lab

PoloClub 互动玩具：在浏览器中训练一个 2D GAN，逐步可视化判别器与生成器的对抗。

欢迎贡献新的可视化资源：fork 仓库并在 v/ 下添加 markdown 与素材后提 PR。