NeuralNetVis：在浏览器中可视化探索神经网络的三维交互平台

NeuralNetVis是基于TensorFlow.js与Three.js构建的开源神经网络可视化工具，旨在打破神经网络的"黑箱"壁垒。该平台支持在浏览器中进行实时训练、3D网络结构展示及多数据集实验，让深度学习原理直观可感。项目由Daniel Marcus维护，在线演示地址为https://neuralnetvis.app，GitHub仓库链接为https://github.com/daniel-marcus/neuralnetvis。

神经网络长期被视为"黑箱"，输入输出间的中间过程难以直观理解。NeuralNetVis作为浏览器端交互式3D平台，通过可视化方式帮助用户观察、探索神经网络的工作机制，无需安装软件即可亲手构建、训练模型并查看权重更新、激活传播等动态过程。

NeuralNetVis采用TensorFlow.js负责模型构建、训练与推理，Three.js实现3D渲染。核心亮点包括WebGPU技术支持的GPU直接数据传输，提升渲染效率与交互流畅度；技术栈还涵盖Next.js App Router、Zustand状态管理、WebAssembly后端加速计算，桌面版Chrome浏览器可获得最佳体验。

平台内置多类数据集：分类任务含MNIST、Fashion MNIST、CIFAR-10/100等；回归任务含Auto MPG、California Housing；NLP任务含IMDb情感分析。预训练模型包括MediaPipe手部关键点检测、MobileNetV2图像分类；进阶用户可导入Keras3.x（.keras格式）或Keras2.x（经tfjs-converter转换）的LayersModel自定义模型。

目标受众包括深度学习初学者（理解核心概念）、教育工作者（课堂演示）、研究人员（验证模型架构）、开发者（学习Web ML实践）。典型场景有浏览器原型设计、非技术人员科普、模型调试、教学素材生成。参考资源包括斯坦福CS231n、Adam W. Harley的CNN可视化研究、TensorFlow Playground等。

当前限制：移动端支持有限、依赖WebGPU（需现代浏览器如Chrome）、仅支持LayersModel导入。未来随着WebGPU普及与TensorFlow.js生态成熟，此类工具将在AI教育与普及中发挥更大作用。

NeuralNetVis将抽象算法转化为可交互的视觉体验，为深度学习学习者提供了突破"黑箱"困境的极佳起点。建议感兴趣的用户访问https://neuralnetvis.app亲自体验，或查看GitHub仓库了解更多细节。