“芯”火相传：融入算力感知与科技自强教育的AI实战智能体
零基础实战 · 猫鸡图像分类智能体 | 任务式教学 + 智能引导 + AI导师在线解答
🚀 性能信息
正在初始化 TensorFlow.js，请稍候...
📋 学习指南
✨ 跟随右侧【AI教学导师】完成任务即可掌握AI训练全流程！✨
🎯 今日实验目标
1️⃣ 上传猫和鸡图片 → 2️⃣ 理解训练参数 → 3️⃣ 训练模型 → 4️⃣ 测试模型 → 5️⃣ 体验不同计算模式 → 6️⃣ 感悟科技自立
📁 训练数据上传 📥 数据集下载
🐱 猫图片
🐱
拖放或点击上传猫图片
已上传: 0 张
🐔 鸡图片
🐔
拖放或点击上传鸡图片
已上传: 0 张
⚙️ 训练配置 (单击参数名查看详细说明)
📈 训练监控 (通俗版)
当前轮次: 0 / 50
📉 训练损失(越小越好): -- | 📈 训练准确率: -- | 📊 验证准确率: --
🧠 神经网络架构（通俗图解）
📥 输入层
🔍 卷积层(16)
📉 池化层
🔍 卷积层(32)
📉 池化层
🧩 全连接层(128)
✅ 输出层(猫/鸡)
输入层：接收图片原始像素
卷积层：提取边缘、纹理等特征
池化层：压缩特征图，保留关键信息
全连接层：综合所有特征做出判断
输出层：最终给出猫或鸡的概率
💡 小白解读： 神经网络就像一条流水线：
• 输入层把图片变成数字信号；
• 卷积层像“放大镜”寻找猫耳朵、鸡冠等特征；
• 池化层帮我们只保留最重要的特征，丢掉细枝末节；
• 全连接层把找到的所有特征综合起来，最后由输出层判断“这更像猫还是鸡”。
• 输入层把图片变成数字信号；
• 卷积层像“放大镜”寻找猫耳朵、鸡冠等特征；
• 池化层帮我们只保留最重要的特征，丢掉细枝末节；
• 全连接层把找到的所有特征综合起来，最后由输出层判断“这更像猫还是鸡”。
🎯 预测小擂台
📸 上传神秘图片
🖼️
拖放或点击上传图片进行识别