从感知机到 Transformer：每个「苦涩」的概念，都配一个可以拖、可以点、可以调参的实时演示。不用背公式，先看直觉，再看数学。
按顺序读是一条完整的学习曲线；也可以跳到你最痛的那一章。完成后点章节末尾的「标记完成」，进度会保存在本地。
加权求和 + 一个开关。亲手拖一条决策边界，看感知机学习规则如何自己找到答案。
第 2 章为什么线性层叠再多也白搭？用 XOR 问题亲眼看看，再用激活函数实验室感受饱和与梯度消失。
第 3 章一层层算下去而已。亲手用 ReLU「积木」拼出任意曲线，理解通用近似定理到底在说什么。
第 4 章MSE 和交叉熵差在哪？拖动预测概率，看损失曲线如何「惩罚」自信的错误答案。
第 5 章全书劝退第一名，其实只是一条规则反复用。在计算图上点一点，看梯度如何逆流而上。
第 6 章SGD、Momentum、Adam 在同一片损失地形上赛跑。学习率调大一点试试？发散给你看。
第 7 章多项式阶数滑块从 1 拉到 15，看训练误差一路降、测试误差如何「背叛」。正则化怎么救场？
第 8 章在网格上亲手画个数字，换不同的卷积核，看特征图实时变化。池化、步长、层级特征一次讲清。
第 9 章「它」到底指谁？把鼠标放到词上，看注意力权重热力图。Q、K、V 的类比讲一遍就记住。
书上的图是死的，你的直觉是活的。这个站点把每一张关键插图都做成了可以实时操作的实验。
每个演示都能拖滑块、点画布、调超参数。调崩了也没关系——亲眼看到「崩」是最好的学习。
每个概念先用类比讲清楚「为什么」，再给出数学的「是什么」。公式是直觉的缩写，不是门槛。
梯度消失、过拟合、学习率爆炸——这些「坑」不再是名词，而是你亲手触发过的现象。
从单个神经元到注意力机制，九章环环相扣。每一章只用前面讲过的概念，绝不循环引用。
本站的选题灵感来自优秀的深度学习教材（如 Simon Prince 的 Understanding Deep Learning 中译本《理解深度学习》），但全部文字、插图与代码均为原创。
我们的野心是「比书更好懂」：书负责严谨，我们负责直觉。建议两者搭配——在这里玩懂概念，再回书里把证明补齐。
纯 HTML / CSS / JavaScript 实现，零依赖、可离线。学习进度仅保存在你的浏览器本地。