算法实验台

浏览器实验台

这里集中放置站内可交互演示。实验台的目标不是替代完整训练环境，而是让读者在浏览器里直接观察状态变化、参数影响和输出边界，再回到文章或下载包里复核代码。

实验模块	适合观察的问题	可复核证据	注意事项
算法实验	搜索状态、剪枝、路径回退和复杂度变化。	步骤轨迹、当前状态、失败输入。	小规模演示优先讲清机制，不追求最大数据量。
深度学习数学	矩阵形状、梯度流、卷积感受野和注意力权重。	输入矩阵、输出矩阵、手算对照。	数值示例会简化真实框架中的优化细节。
网络基础	DNS 缓存、TLS 握手、代理边界和缓存重验证。	时间线、状态码、缓存命中/未命中。	所有网络实验都以教育和排障理解为目的。
动画展示	把文章结构转成更易浏览的视觉片段。	关键帧、主题、对应文章链接。	动画是辅助索引，不替代正文解释。

算法可视化实验台

边看原理，边跑过程

当前包含 8 皇后、Iris K-means 和手写数字识别三个交互模块，状态只保存在浏览器里。

相关可视化工具

LLM 可视化也放在算法实验台目录下

如果你想观察 token、attention、采样和 KV Cache，可以从这里进入 LLM 可视化教学台。

打开 LLM 可视化返回算法可视化专题

深度学习数学可视化

把梯度、优化器、卷积和 Attention 算出来

所有模块都在浏览器本地运行，用固定 toy 数字展示公式如何落到矩阵、路径和热力图上。

进入数学系列实验包说明

dL/dW = (ŷ - y) x^T

x[1.5, -2.0]

ŷ - y[0.5, -1.0]

||analytic - numeric||0.000000

O = floor((N - K + 2P) / S) + 1 = 3

网络基础原理可视化

从 DNS 到 CDN，改变参数看请求时间

所有数值在浏览器本地计算，与实验包的确定性场景对应，不会发送网络探测请求。

进入网络专题实验包说明

TTL 秒数 60

Payload 字节

丢包轮次 3

RTT (ms) 36

Remotion 动画

把算法过程做成可以直接看的短动画

这些视频由 Remotion 渲染，页面会延迟加载，避免影响首屏速度。

用 8 秒看懂 3x3 卷积核如何滑动、相乘求和并生成特征图。

继续阅读打开视频

把 y = Wx + b、MSE loss 和 dL/dW 的外积形式串成可复查动画。

继续阅读打开视频

观察 softmax cross-entropy 的误差信号如何穿过 W2、ReLU 和 W1。

继续阅读打开视频

比较梯度下降、Momentum 和 Adam 在同一个二次 loss surface 上的路径。

继续阅读打开视频

用 5x5 输入和 3x3 kernel 展示输出尺寸、局部窗口和 im2col 的关系。

继续阅读打开视频

把 QK^T / sqrt(dk)、softmax 权重、mask 和 KV cache 放到同一张矩阵里。

继续阅读打开视频

比较递归查询 MISS 与 TTL 有效期内 HIT 的时延路径。

继续阅读打开视频

展示最长前缀匹配和 3600 B payload 的三段拆分。

继续阅读打开视频

让一个固定丢包事件暴露 ACK 停滞与拥塞窗口回退。

继续阅读打开视频

区分临时 key share、证书验证与第一个 HTTPS 请求的 RTT。

继续阅读打开视频

对比协议握手 RTT 与 CDN 缓存命中对页面等待的不同作用。

继续阅读打开视频

观察样本分配、质心移动和 SSE 下降，把聚类过程变成可见步骤。

继续阅读打开视频

用棋盘动画展示逐行尝试、冲突剪枝和回溯搜索的核心直觉。

继续阅读打开视频

隐私与运行方式

这些演示优先在浏览器端运行。除非页面另有说明，输入样例不会作为训练数据上传；如果需要下载模型、CSV 或图片，请到下载页查看对应文件和文章说明。

实验台的价值在于快速改变一个参数并观察结果，而不是替代完整项目。比如算法实验更适合看状态轨迹，深度学习实验更适合看矩阵形状和梯度方向，网络实验更适合看时间线和缓存状态。不同实验的结论不能混用。

如果你准备把实验台结果写进作业或项目报告，建议同时附上对应文章链接、参数截图和一条失败输入。这样读者能知道演示结论来自哪个版本，也能判断你是否理解了边界条件。

实验台页面会随着文章系列扩展逐步补充模块，但新增模块必须满足一个基本标准：读者能看见状态变化，并能追溯到解释文章或下载材料。如果只是一个没有上下文的炫酷动画，就不会作为核心学习材料保留。

这个原则也能减少低质量内容：交互效果必须服务于理解，而不是为了填充页面或制造视觉噪声。

向下探索