边玩边学!交互式可视化图解!快收藏这18个机器学习和数据科学网站!⛵
![](https://img-blog.csdnimg.cn/img_convert/aca8bcf7a59bf6f0fabac1284b611fd6.png)
💡 作者:韩信子@ShowMeAI
📘 机器学习实战系列:https://www.showmeai.tech/tutorials/41
📘 深度学习实战系列:https://www.showmeai.tech/tutorials/42
📘 本文地址:https://www.showmeai.tech/article-detail/340
📢 声明:版权所有,转载请联系平台与作者并注明出处
📢 收藏ShowMeAI查看更多精彩内容
![](https://img-blog.csdnimg.cn/img_convert/7b1f833f78a17d2c29068c19cb4c6634.png)
机器学习的很多算法理论非常枯燥乏味,但有许多有趣且有用的网站,您可以像游戏一样交互式操作,并同时学习机器学习概念、模型和应用知识。以下是 ShowMeAI 为大家整理的18个交互式机器学习网站,快快来一起体验一下吧,好玩又好学。
💡 Image-to-Image 在线变换
在这个网站上,您可以执行图像到图像的转换。在左侧,您可以草绘或创建对象的一些简单表示。然后处理数据,让模型在右侧生成更真实的图像。
![](https://img-blog.csdnimg.cn/img_convert/868fbed4b86d2e05f7b4b61d6ec99590.png)
📘 Image-to-Image Demo: Interactive Image Translation with pix2pix-tensorflow
![](https://img-blog.csdnimg.cn/img_convert/9600f39b82e81da0922fd30c9bfa007d.png)
![](https://img-blog.csdnimg.cn/img_convert/6755470b7f1d8cd4a65e106e84cb929f.png)
💡 GAN 在线实验室
在这里,您可以了解有关生成对抗网络(GAN)的学习过程的更多信息并对其进行可视化。
![](https://img-blog.csdnimg.cn/img_convert/06989130731b06751579160872bb4e43.png)
📘 GAN Lab
![](https://img-blog.csdnimg.cn/img_convert/e163a6a2336bf76048d2de3f68ee2d3b.png)
![](https://img-blog.csdnimg.cn/img_convert/5724450be7e761d3b8052d9ba537d899.png)
💡 素描 RNN 在线作图
在这个网站上,您首先选择一个物体或动物,然后开始素描。然后,在您放开笔后,神经网络将继续您的草图以创建对象/动物。
![](https://img-blog.csdnimg.cn/img_convert/32454e4d3376329585554aa7f76d63e3.png)
![](https://img-blog.csdnimg.cn/img_convert/0fb720473049ba24d9a240be60061b13.png)
![]() |
![]() |
💡 AI 聊天写故事机器人
在 AI Dungeon 中,您可以在与 AI 聊天机器人交互时动态创建故事。您可以选择不同的世界或场景,或者将故事引向您想要的任何方向。
![](https://img-blog.csdnimg.cn/img_convert/9694b7c943e9772f3d3e46f8d91e3483.png)
![](https://img-blog.csdnimg.cn/img_convert/baae60a5d94c5107d1c176681ac62d12.png)
💡 Tensorflow Embedding 投射器
Tensorflow Embedding 投射器是一个很棒的AI可视化平台,我们可以通过它使用不同的降维技术在 2D 或 3D 中可视化高维数据。它支持上传自己的数据并将其可视化。
![](https://img-blog.csdnimg.cn/img_convert/12e86cdbfb89fe88d174c4fa2ab5d298.png)
![]() |
💡 艺术品降维动态可视化
和上面的 TensorFlow embedding 投射器很像,这个网站应用相同的技术,把好多件艺术品投射和进行降维可视化。
![](https://img-blog.csdnimg.cn/img_convert/6371410cd06986533178cef4e759c1ae.png)
![](https://img-blog.csdnimg.cn/img_convert/9f996afbfbb2062fc26aa106131ba9ba.png)
💡 TensorFlow 游乐场
非常可玩的神经网络交互训练网站!我们可以通过更改层、神经元数量、激活函数和其他参数来模拟用于回归或分类的前馈神经网络,然后将结果可视化。是一个对初学者有用的学习资源。
![](https://img-blog.csdnimg.cn/img_convert/bdb7ece6093739abecc9ffff15ba8a20.png)
![](https://img-blog.csdnimg.cn/img_convert/52e2239b2abed954f94f4ea3c1f7876a.png)
![]() |
💡 可视化 K-Means 聚类
这是一个交互式演示聚类算法的网站,您可以阅读学习和逐步操作 K-Means 聚类算法,并进行可视化。
![](https://img-blog.csdnimg.cn/img_convert/ff54af0f024d31ca2e22c3432a018445.png)
![](https://img-blog.csdnimg.cn/img_convert/6ee3aadfdf599b89dd88eed3d0a1df70.png)
![](https://img-blog.csdnimg.cn/img_convert/866d6e9542ba31281e206cdad801418c.png)
💡 图解机器学习模型
这是一个图解机器学习算法的网站,包含两个部分。
![](https://img-blog.csdnimg.cn/img_convert/6a534291ae1aa52e6fa380625ea1a56c.png)
![]() |
💡 Streamlit 案例展
Streamlit 是一个 Web 应用程序框架,主要针对数据和机器学习应用程序。下面网站是一个案例集,包含使用该框架生成的多个AI应用程序。
![](https://img-blog.csdnimg.cn/img_convert/558243f17d148494c27dd31e05823afd.png)
![](https://img-blog.csdnimg.cn/img_convert/1b24cc2c669760b3edd19fd2f5331e14.png)
![](https://img-blog.csdnimg.cn/img_convert/bddda4d2449463c8221fecd57c66c7c2.png)
💡 逻辑回归可视化交互式讲解
下面网站是一个可视化和交互式教程,我们可以在其中学习逻辑回归的基础知识:例如它是如何工作的,它是如何拟合的,以及如何解释系数。
![](https://img-blog.csdnimg.cn/img_convert/eb4369875a8dd00a9bdc6e02b4ab65d7.png)
![](https://img-blog.csdnimg.cn/img_convert/cd65a9073ee0462ecf8761e3009e67d8.png)
💡 CNN 交互式解释器
下面网站是一个交互式CNN(卷积神经网络)学习与操作及可视化解释的教程,展开讲解了卷积神经网络的细节。
![](https://img-blog.csdnimg.cn/img_convert/731412aea6b7797b74909dfbb54f03c3.png)
![](https://img-blog.csdnimg.cn/img_convert/3e5dcf0c16b42b3b481ca30ccd03b24a.png)
![]() |
💡 Kernel Density Estimation 核密度估计
学习统计知识的优秀交互式网站,尤其是针对Kernel Density Estimation/核密度估计统计技术做了可视化和图解交互式教程。
![](https://img-blog.csdnimg.cn/img_convert/0f45cf7b15911681f08a2a27ada108c8.png)
![](https://img-blog.csdnimg.cn/img_convert/323ea178941b5d30bf6c8bd8105d5393.png)
![](https://img-blog.csdnimg.cn/img_convert/1cb2938da2063f31fec1b1e4ce2289ca.gif)
💡 Probability distributions 概率分布交互式讲解
学习统计知识的优秀交互式网站,尤其是针对Probability distributions/概率分布做了可视化和图解交互式教程。
![](https://img-blog.csdnimg.cn/img_convert/9a1e30eecb5876ed386ae4ff92c5276a.png)
![](https://img-blog.csdnimg.cn/img_convert/ff272ad6b69d5b1186de0b15310c9b4d.png)
![]() |
💡 Hugging Face Spaces 数千AI实例
Hugging Face Spaces 是著名工具 HuggingFace transformers 的社区,它包含社区人员贡献的数以千计的AI实例。
![](https://img-blog.csdnimg.cn/img_convert/a8cd9945c7e7c88ad6196e577b0c8348.png)
![](https://img-blog.csdnimg.cn/img_convert/4a9cd4bd1d067bacec725305300ae5f2.png)
💡 ConvNetJS 深度学习应用实例
这个网站包含很多深度学习应用实例,大家可以通过操作学习不同的统计、机器学习甚至强化学习知识,并和对应的AI应用程序进行交互。
![](https://img-blog.csdnimg.cn/img_convert/d4f3b46193066ea25bed6ee60d8c087f.png)
![](https://img-blog.csdnimg.cn/img_convert/9c1ce8d98adcc424c8dcb81c42863f40.png)
![](https://img-blog.csdnimg.cn/img_convert/4065c97328df985ceba6c158a38efdb9.png)
💡 Keras.js 在浏览器中运行 Keras 模型
通过 Keras.js 构建的AI应用,在这个网站上你可以交互加载和运行不同的AI模型,测试它们的功能并可视化他们的架构。
![](https://img-blog.csdnimg.cn/img_convert/6697a61159a1c93b0a597cfa9c138664.png)
📘 Keras.js
![](https://img-blog.csdnimg.cn/img_convert/551294fc856afd09fd9f82401f1c937f.png)
💡 Quick Draw 你画我猜
这个网站是经典的你画我猜游戏,AI通过你简单的绘画猜测你绘制的内容,完全实时和自动。快来试一下吧!
![](https://img-blog.csdnimg.cn/img_convert/1ab7e78d2324f43b4dc837ce38b772de.png)
![]() |
参考资料
- 📘 Image-to-Image Demo: Interactive Image Translation with pix2pix-tensorflow:https://affinelayer.com/pixsrv/
- 📘 GAN Lab:https://poloclub.github.io/ganlab/
- 📘 magenta: sketch rnn:https://magenta.tensorflow.org/assets/sketch_rnn_demo/index.html
- 📘 AI Dungeon:https://play.aidungeon.io/main/home
- 📘 Embedding Projector:https://projector.tensorflow.org/
- 📘 The Beginner's Guide to Dimensionality Reduction:https://dimensionality-reduction-293e465c2a3443e8941b016d.vercel.app/
- 📘 TensorFlow playground:https://playground.tensorflow.org
- 📘 Visualizing K-Means Clustering:https://www.naftaliharris.com/blog/visualizing-k-means-clustering/
- 📘 Visual intro to Machine Learning Part 1:http://www.r2d3.us/visual-intro-to-machine-learning-part-1/
- 📘 Visual intro to Machine Learning Part 2:http://www.r2d3.us/visual-intro-to-machine-learning-part-2/
- 📘 Streamlit templates:https://streamlit.io/gallery
- 📘 Logistic Regression:https://mlu-explain.github.io/logistic-regression/
- 📘 CNN Explainer:https://poloclub.github.io/cnn-explainer/
- 📘 Kernel Density Estimation:https://mathisonian.github.io/kde/
- 📘 Probability distributions:https://www.simonwardjones.co.uk/posts/probability_distributions/
- 📘 Hugging Face Spaces:https://huggingface.co/spaces
- 📘 ConvNetJS:https://cs.stanford.edu/people/karpathy/convnetjs/
- 📘 Keras.js:https://transcranial.github.io/keras-js/#/image-super-resolution
- 📘 Quick Draw:https://quickdraw.withgoogle.com/