Online Lab
每个演示都拆分为独立页面，便于单独讲解训练流程、参数变化与推理结果。
标签说明：`训练` / `推理` / `监督学习` / `无监督学习` / `预训练模型` / `视觉模型`
逻辑回归（Dense + Sigmoid），适合第一节课讲“数据-训练-推理”闭环。
可视化参数收敛过程，理解 loss、学习率与训练轮次关系。
通过迭代分配和中心更新，观察 SSE 的变化与聚类效果。
上传你自己的图片样本，按流程完成数据准备、训练和推理验证。
上传图片并输出 Top-K 预测，解释卷积模型的工程使用方式。