🧪 训练模拟器

调整超参数，实时观察它们如何影响模型训练 —— 无需 GPU，浏览器里就能「炼丹」。

阶段 04 · 预训练仿真模式

数据集 Dataset

模型规模 Model

学习率 Learning Rate 0.0010

5e-5过低 ← → 过高0.08

批大小 Batch Size 32

4小 ← → 大256

训练轮数 Epochs 5

120

最终 Loss

—

↓ 越低越好

准确率 Acc

—

↑ 越高越好

训练步数

—

steps

预计耗时

—

仿真

📉 训练 Loss 曲线 loss

📈 准确率曲线 accuracy

💡

调整左侧超参数并点击「开始训练」，这里会给出智能点评。

stdout

Loss（损失）衡量模型预测与真实答案的差距，训练中应稳步下降； 学习率决定每一步更新的幅度——太大就会在最优点附近「反复横跳」甚至发散，太小则收敛极慢； Batch Size 越小，梯度估计的随机性越大，曲线越抖动。真实训练里，找到这三者的平衡就是「炼丹」的核心手艺。