卷积网络三维可视化
An Interactive Node-Link Visualization of Convolutional Neural Networks · ISVC 2015
在画板上手写一个数字，立刻看到它在三维卷积网络里逐层被算成什么样，点开任意一个方块能看到这一层这个单元的加权输入与计算过程。
交互实验（可直接投屏）
原作是一个完整的网页应用，下面直接嵌入；屏幕小或要投影时，点「全屏打开实验」更清楚。
动手三步
- 首页选「卷积网络三维可视化」，在左上角画板上手写一个数字，下方立刻给出第一猜测与第二猜测
- 鼠标拖动旋转、滚轮缩放，从最下面的输入层一路看到最上面的输出层
- 点任意一个方块，弹出信息框：它属于哪一层、第几个卷积核、第几号单元，以及加权输入、计算过程、输出
- 用右侧面板逐层开关，把中间层藏掉，单独看某一层的激活图
- 回首页换「全连接网络三维可视化」对比同一个数字在全连接网络里的样子
课堂怎么用
- 把「特征图」讲成学生看得见的东西：写一个 7，逐层看它怎样从像素变成一堆抽象响应
- 让学生故意写歪、写小、写到角落，看第一猜测怎么出错，引出训练数据对模型的影响
- 点开一个下采样层的方块，信息框里写着「计算过程：最大池化」，配着具体数值讲最大池化到底做了什么
- 接 B-02 卷积与 B-01 手写数字识别：那两件讲一个卷积核怎么算，这件讲十几层叠起来是什么样
思考题
- 卷积层 1 和全连接层的激活图，哪个还看得出你写的数字？为什么？
- 为什么把数字写到角落容易认错？这说明训练数据对模型有什么影响？
- 点开一个卷积层的方块，信息框里「卷积核」那一小格图代表什么？
已知限制
- 三维视图用 WebGL 绘制，老旧投影机可能掉帧，卡就改用二维版
- 信息框「计算过程」一栏是数学式，按数学记号保留原样
- 首页的论文引用与参考文献条目按学术惯例保留英文
- 网络是 2015 年训练好的固定模型，只认手写数字，不能换数据、不能重新训练
- 原作右上角的性能计数器已隐藏，避免课堂上分散注意力
原作 An Interactive Node-Link Visualization of Convolutional Neural Networks（Adam W. Harley，ISVC 2015），MIT 许可（原文），界面已中文化。