> For the complete documentation index, see [llms.txt](https://ypw.gitbook.io/nnplayground/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://ypw.gitbook.io/nnplayground/master.md).

# 使用说明

## 介绍

这是一个受 Google Tensorflow 的 [Deep playground](https://github.com/tensorflow/playground) 启发而制作的应用。本程序大量代码都借鉴了开源项目 [Deep playground](https://github.com/tensorflow/playground) 。

本程序致力于普及**神经网络、人工智能**的相关知识。通过本程序可以直观地感受到神经网络训练过程中的变化，包括连接的强弱、每个结点负责识别的特征和最终输出的图像等。

iPhone: <https://github.com/ypwhs/NNPlayground>

iPad: <https://github.com/ypwhs/NNPlayground_iPad>

## 原理

本程序使用的[神经网络](http://ufldl.stanford.edu/wiki/index.php/神经网络)是简单的[反向传导](http://ufldl.stanford.edu/wiki/index.php/反向传导算法)神经网络（Backpropagation Neural Networks）。

## 参数介绍

### 学习速率

提高学习速率可以显著增加学习速度，但是选择不当就会造成振荡，在学习的过程中跃过最低点。

[更多](/nnplayground/learningrate.md)

### 激活函数（Activation function）

激活函数的作用是将神经网络的输出非线性化，使神经网络能够处理非线性数据。

本程序有三个激活函数，分别是ReLU、Sigmoid和Tanh。还有一个Linear相当于没有激活函数。

[更多](/nnplayground/activation.md)

### 正则化函数(Regularization function)

正则化也称权重衰减（Weight decay），目的是降低权值（Weight），防止过拟合。

本程序有两个正则化函数，分别是L1和L2，以及一个None选项。

[更多](/nnplayground/regularization.md)