Интерактивная визуализация нейронной сети

Это приложение показывает компактный многослойный перцептрон (MLP), обученный на датасете MNIST. Нарисуйте цифру и наблюдайте, как активации в реальном времени проходят через все полносвязные слои.

Как это работает:

• Рисуйте: кликните и тяните в 2D-сетке (вверху слева), чтобы нарисовать цифру
• Наблюдайте: следите, как ваш рисунок проходит через слои сети в 3D-пространстве
• Предсказание: проверьте вероятность каждой цифры (0–9) на диаграмме (вверху справа)

Архитектура сети (стандартный экспорт):

• Входной слой: пиксельная сетка 28×28 (ваш рисунок)
• Плотный слой 1: 784 → 64 нейронов с ReLU
• Плотный слой 2: 64 → 32 нейрона с ReLU
• Выходной слой: 32 → 10 логитов → softmax-вероятности

3D-управление:

• Вращение: удерживайте левую кнопку мыши и тяните
• Сдвиг: удерживайте правую кнопку мыши и тяните
• Масштаб: крутите колесо мыши

Цветовая кодировка:

• Узлы: цвет показывает силу активации (тёмно-синие тона для низких/отрицательных значений, яркие коралловые — для сильных положительных)
• Связи: тёплые цвета обозначают сильные положительные вклады, холодные — отрицательные, приглушённые — значения около нуля.

Обучить свою модель:

• Запустите python training/mlp_train.py, чтобы обучить MLP (с ускорением на Apple Metal, если доступно).
• Скрипт записывает exports/mlp_weights.json, который визуализатор читает при загрузке.
• Меняйте число скрытых нейронов, эпохи или путь экспорта через CLI-параметры, описанные в training/mlp_train.py.

Возможности в реальном времени:

• Активации слоёв: сферы показывают активацию каждого нейрона с цветовой кодировкой силы.
• Важные связи: каждый выходной нейрон подсвечивает свои сильнейшие входные веса для читаемости.
• Вероятности онлайн: столбчатая диаграмма обновляет значения логитов → softmax в реальном времени.

Сеть намеренно компактна, чтобы обеспечить плавный рендеринг в реальном времени. Вы можете переобучить её с другими размерами слоёв — просто держите архитектуру лёгкой, чтобы 3D-вид оставался отзывчивым.