呃，什么是神经网络？
神经网络是一种技术，可用于构建能够从数据中学习规律的计算机程序。该技术大致以我们认为人类大脑所采用的工作方式为基础。首先，要创建各种软件“神经元”并将它们连接在一起，让它们可以互相发送消息。接下来，该网络需要解决某个问题，它会尝试一次又一次地完成相关计算，每次都会对引向成功的连接进行强化，并减少导致失败的连接。如需了解关于神经网络的详细介绍，Michael Nielsen 的《神经网络与深度学习》会对您有所帮助。如需了解技术性更强的概述，您可以尝试阅读由 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 合著的《深度学习》。
太酷了，我可以修改它吗？
请随意修改！我们已通过 GitHub 开放相关源代码，希望这样能够降低神经网络的接触门槛，也让学习神经网络变得更加容易。您可以随意使用这些源代码，只需符合 Apache 许可证的要求即可。如果您在添加或更改代码方面有任何建议，请与我们联系。
我们还在下面提供了一些控件，让您可以针对特定主题或课程对该 Playground 进行定制。只需在下面选择您想要显示的特征，然后保存或刷新页面即可。
各种颜色分别表示什么意思？
橙色和蓝色在整个可视化过程中的使用方法略有不同，但通常橙色代表负值，而蓝色代表正值。
数据点（以小圆圈表示）最初显示为橙色或蓝色，分别对应正值和负值。
在隐藏层中，线条根据神经元之间的连接的权重标注颜色。蓝色代表正权重值，意味着网络在使用神经元给定的输出。橙色线条代表网络分配了负权重值。
在输出层中，点根据原始值标注为橙色或蓝色。背景颜色代表网络对特定区域的预测情况。颜色强度代表系统对相应预测的信心程度。
你们使用的是哪个库？
我们编写了一个小型神经网络库，该库能够满足此可视化教学图表的要求。对于现实世界中的应用，请考虑使用 TensorFlow 库。
鸣谢
该 Playground 由 Daniel Smilkov 和 Shan Carter 创建而成。 该 Playground 借鉴了很多人之前的工作成果，尤其是 Andrej Karpathy 的 convnet.js 演示以及 Chris Olah 发布的关于神经网络的文章。 此外，非常感谢 D. Sculley 帮助提出最初的想法，还要感谢 Fernanda Viégas 和 Martin Wattenberg，以及 Big Picture 和 Google Brain 团队的其他成员提供反馈和指导。