CNN 二分类实验
用于二分类图像的轻量级 CNN，提供滤波器与特征图可视化。
本页训练一个紧凑的 CNN：Conv(3x3) -> ReLU -> Flatten -> Dense -> ReLU -> Dense -> Softmax。
输入图像会转为灰度并缩放到 32x32。
二元标签映射为类 1 / 类 2 的概率。
使用两类交叉熵优化：
$$ L = -\frac{1}{N}\sum_{i=1}^{N}\sum_{c=1}^{2} y_{ic}\log(\hat{y}_{ic}) $$
较低 LR 更稳定，较高 LR 更快但更噪。
- 加载猫/狗演示数据或上传自定义图片。
- 初始化权重，运行若干 epoch，查看损失与准确率。
- 查看滤波器与特征图，理解第一层卷积捕获的内容。
- 上传测试图片并查看类别概率。
数据集： 0
Epoch： 0
损失： -
准确率： -
训练图像
上传图片在训练前会缩放为 32x32 灰度。
正在加载图像...
卷积滤波器（实时）
预测
-