INTERACTIVE VISUALIZATION
AutoML 与压缩
可视化实验室
通过 8 个交互式模块，探索自动机器学习与模型压缩的核心算法：从神经架构搜索到知识蒸馏，从网络剪枝到完整自动化流水线。每个模块均包含可交互的 SVG 可视化、控制面板和实时统计。
8交互模块
0外部依赖
SVG可视化引擎
01
神经架构搜索 NAS
在搜索空间中自动寻找最优网络架构，支持随机搜索、进化算法、强化学习和可微架构搜索 (DARTS)。
搜索策略
02
超参优化 Hyperparameter Optimization
在损失等高线图上展示网格搜索、随机搜索、贝叶斯优化和 Optuna 的采样路径与收敛过程。
优化方法
03
网络剪枝 Network Pruning
展示剪枝前后的连接稀疏度变化，支持幅度剪枝、结构化剪枝、彩票假设和稀疏训练。
剪枝方法
04
知识蒸馏 Knowledge Distillation
教师网络向学生网络传递知识，展示软标签和中间特征的蒸馏过程，支持响应/特征/关系/在线蒸馏。
蒸馏类型
05
量化感知训练 Quantization-Aware Training
展示 FP32 到低比特量化的过程，包括量化误差和反量化，支持后训练量化 (PTQ)、量化感知训练 (QAT) 和动态量化。
量化方法
06
早停策略 Early Stopping
训练损失持续下降但验证损失开始上升时自动停止训练，避免过拟合。可调节耐心值并切换停止策略。
停止策略
07
集成学习 Ensemble Learning
多个模型并行预测后通过投票或加权集成最终结果，支持 Bagging、Boosting、Stacking 和 Snapshot。
集成方法
08
AutoML Pipeline 完整自动化流水线
从数据清洗到模型部署的完整自动化流水线，每个阶段逐步执行并展示中间产物。
流水线控制