纯NumPy从零实现MLP,带可视化GUI观察训练过程
开发者发布了一个教育工具,用纯NumPy手写反向传播实现小型MLP,在MNIST上达到约98.5%准确率。训练时可实时查看各层梯度范数、失活神经元比例、权重分布、逐层t-SNE可视化,并支持神经元消融与剪枝实验。
AI 日报收录的 MNIST 相关报道,共 2 篇,按时间倒序,每小时更新。
开发者发布了一个教育工具,用纯NumPy手写反向传播实现小型MLP,在MNIST上达到约98.5%准确率。训练时可实时查看各层梯度范数、失活神经元比例、权重分布、逐层t-SNE可视化,并支持神经元消融与剪枝实验。
开发者发布实验性项目Jayce,采用自适应原型记忆(APM),将LLM原始上下文向量存入4096个原型槽,通过即时移动最近原型实现事实学习与纠正,无需改动模型权重。官方称其训练更新比Adam反向传播快1.6至4倍,在MNIST等序列任务同量样本下准确率更高,且全部用纯NumPy与Java编写,可在本地Qwen3-4B GGUF上离线运行。