小卷积核与大卷积核
先用 3 × 3 卷积核训练，再改为 5 × 5。观察局部纹理响应范围与验证损失的变化。
交互式教学 / 演示 05
训练一套卷积网络，
观察特征如何逐层形成。
在合成岩心纹理、真实岩石薄片和十类日常物品图像之间切换，调整网络与训练参数，查看卷积特征如何逐层形成。
训练轮次0 / 30
训练损失—
验证准确率—
样本规模—
MODEL GRAPH
当前网络结构
等待模型初始化
LEARNING CURVE
训练过程
训练损失验证损失
开始训练后显示每轮的训练与验证损失。
VALIDATION SAMPLE
验证样本
目标类别—模型预测等待训练
CONVOLUTIONAL ACTIVATIONS
网络内部特征图
每轮训练后刷新，同一阶段各通道共用色阶，便于比较响应变化；点击通道查看放大特征。
输入纹理
训练样本生成后显示内部响应。
低响应高响应
正在初始化卷积层…
GUIDED EXPERIMENTS
实验指导
载入参数后，按卡片提示改动一个因素并比较结果。
池化如何改变特征图
先启用最大池化，再关闭池化。比较特征图尺寸、网络参数量和训练表现。
增加网络深度与通道
从浅层网络开始，逐步增加卷积块和输出通道，查看不同层提取的特征图。
学习率与收敛速度
方案使用 0.01 学习率；再分别试用 0.003 和 0.0005，对照损失曲线是否平稳收敛。
真实薄片与小样本
使用当前收录的全部岩性薄片，观察训练损失和验证损失。训练下降而验证变差时，注意过拟合风险。