![](http://dev-img.mos.moduyun.com/20231008/a371d56e-faa9-47b3-af4a-a8753a9c1d70.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
![](http://dev-img.mos.moduyun.com/20231008/3bc64ae9-3a5e-4034-9dc4-b4c40b2f1128.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。
![](http://dev-img.mos.moduyun.com/20231008/e218cd95-5730-443c-86e9-fe9946fdb92e.png)
📘 Image-to-Image Demo: Interactive Image Translation with pix2pix-tensorflow
![](http://dev-img.mos.moduyun.com/20231008/c300a1f3-bdf7-421b-bade-6c0b556e73a8.png)
![](http://dev-img.mos.moduyun.com/20231008/9bdfbb65-0e75-4267-929d-c5606fd36a96.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。
![](http://dev-img.mos.moduyun.com/20231008/4f5891aa-9d67-48a8-b9af-1131e332b3eb.png)
📘 GAN Lab
![](http://dev-img.mos.moduyun.com/20231008/c2827f9b-b616-4092-a6e8-3682d7d691da.png)
![](http://dev-img.mos.moduyun.com/20231008/7b914bdb-2c7d-4f50-9445-2514f6bcae2c.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。
![](http://dev-img.mos.moduyun.com/20231008/f574b918-86d0-44e4-9748-0346c3e413ca.png)
![](http://dev-img.mos.moduyun.com/20231008/608ad85a-5aa4-42bb-b8b0-69584fda540f.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。
![](http://dev-img.mos.moduyun.com/20231008/067ad0fd-1cb2-47ce-9259-2cd311f285d5.png)
![](http://dev-img.mos.moduyun.com/20231008/73dce6b2-250c-4a29-8bd5-d06377b6012e.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。
![](http://dev-img.mos.moduyun.com/20231008/1859f3cc-ecd5-49fa-8840-867e4613826a.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。
![](http://dev-img.mos.moduyun.com/20231008/c133fb5d-c35c-4326-8522-83465275ace8.png)
![](http://dev-img.mos.moduyun.com/20231008/66a236b4-4a35-48a2-acb4-106336f955f2.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。
![](http://dev-img.mos.moduyun.com/20231008/7b571261-8eed-488a-8ab8-9d74721f361a.png)
![](http://dev-img.mos.moduyun.com/20231008/ac01c948-a37e-415a-a9fe-c336864183fa.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。
![](http://dev-img.mos.moduyun.com/20231008/97e874ae-1b07-4fef-b27f-ccccf00e8a1f.png)
![](http://dev-img.mos.moduyun.com/20231008/a61ee57d-f535-490e-b1e0-76ba0ed6b055.png)
![](http://dev-img.mos.moduyun.com/20231008/bea03cde-a223-49e3-8176-29d39bfeeb95.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。
![](http://dev-img.mos.moduyun.com/20231008/41ea0196-19b5-41a7-b313-4da081043733.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。
![](http://dev-img.mos.moduyun.com/20231008/75cd313f-6367-4562-bf34-b0dd77b56ad1.png)
![](http://dev-img.mos.moduyun.com/20231008/32e7475a-b56d-4729-aecd-4a59c97a7b54.png)
![](http://dev-img.mos.moduyun.com/20231008/9f3f9231-3934-48a5-affc-d9a14e583b4b.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。
![](http://dev-img.mos.moduyun.com/20231008/cb25be67-756e-45f7-9dc7-3010f86149b7.png)
![](http://dev-img.mos.moduyun.com/20231008/3488aa86-8716-44b5-8e44-ffb353cd882b.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。
![](http://dev-img.mos.moduyun.com/20231008/02b70974-035d-428e-81b7-f4ffc338af25.png)
![](http://dev-img.mos.moduyun.com/20231008/d879da4c-32e5-4147-aa62-c4e2d5b610aa.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。
![](http://dev-img.mos.moduyun.com/20231008/d4b957eb-ed05-4e73-97ae-bf03d02a024b.png)
![](http://dev-img.mos.moduyun.com/20231008/bd293ba4-717d-417a-ab56-6b83fee54093.png)
![](http://dev-img.mos.moduyun.com/20231008/9baf7211-6084-4599-bf8a-18baf09c0da3.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。
![](http://dev-img.mos.moduyun.com/20231008/f5e562b4-6254-4d09-b7e5-c736c6aba725.png)
![](http://dev-img.mos.moduyun.com/20231008/989a978a-1bf4-4c9a-a3f9-4e9cd70d3d67.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。
![](http://dev-img.mos.moduyun.com/20231008/a94a50dc-bb27-400e-809e-9e23ad4aebc4.png)
![](http://dev-img.mos.moduyun.com/20231008/9c587503-c6a0-45c2-a10b-beba6e048447.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。
![](http://dev-img.mos.moduyun.com/20231008/c9ce584a-c3fc-4fa4-9eb1-b53ced3464fc.png)
![](http://dev-img.mos.moduyun.com/20231008/c701d8d7-335b-4f2f-a9e9-931318f56b68.png)
![](http://dev-img.mos.moduyun.com/20231008/41b658f3-ce0c-4eaa-ad59-c1c3b5785c33.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。
![](http://dev-img.mos.moduyun.com/20231008/7ba64ff0-4651-41b6-82c8-074a69f7d940.png)
📘 Keras.js
![](http://dev-img.mos.moduyun.com/20231008/4fd8e432-2e88-490e-8a04-ff99bde6ba0b.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!
![](http://dev-img.mos.moduyun.com/20231008/df79cd10-d38a-4688-be21-f6ee88babd3f.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/