从“模型有多大”到“怎么衡量好坏”，再到“怎么调参让它学会”—— 本站用通俗讲解 + 公式 + 可交互演示，帮你建立对机器学习模型的直观认识。
每一节都配有图示、公式和可动手的演示，适合边读边试。
参数量（M/B/T）意味着什么？FP32/FP16/INT8 下要占多少显存？不同规模模型的算力与能力差异。
MSE、MAE、交叉熵、BCE、Hinge……每种损失函数用在什么任务、公式长什么样、曲线怎么变。
学习率、Batch Size、动量、权重衰减、学习率调度——这些旋钮怎么拧，模型才学得好。
知道参数、显存、算力之间的关系，才能理解为什么大模型贵、小模型快。
损失函数就是模型的“成绩表”。选对损失，模型才知道往哪个方向优化。
优化器与超参数决定学习的速度与稳定。调参是经验活，但有规律可循。
每个栏目里的计算器与曲线演示，建议自己改改数值，观察变化。