ConvnetJS ：可视化 神经网络的二元分类效果

进入网页ConvnetJS demo，可视化双层神经网络的分类结果，红点表示类别0， 绿点表示类别1的数据，

type为网络层之间的连接方式，fc表示fully connected(全连接)，
activation为激活函数，此处用双曲正切函数，对于分类采用softmax，类别数目 num_classes为2

layer_defs.push({type:'fc', num_neurons:6, activation: 'tanh'});
layer_defs.push({type:'fc', num_neurons:2, activation: 'tanh'});
layer_defs.push({type:'softmax', num_classes:2});

 模型的超参数：学习率为0.01，动量为0.1，批大小的10，L2正则化的权重衰减率为0.001

trainer = new convnetjs.SGDTrainer(net, {learning_rate:0.01, momentum:0.1, batch_size:10, l2_decay:0.001});

 自行更改 num_neurons ，再点击【change network】,观察就可以发现神经元数目对网络效果的影响。

左图的下方 有简单数据，环形/螺旋形数据，随机数据四种。

右图的下方有网络各层的数据点分布，还挺好玩的。适合初学者。