🤖 人工智能工具

Dropout 期望输出计算器，输入保留概率求 dropout 后的期望输出与推理期缩放因子，辅助神经网络正则化参数理解。

L1/L2 正则化惩罚计算器，输入权重与正则系数求对损失函数的惩罚项，对比 Lasso 与 Ridge 两种正则化差异。

在线 OCR 文字识别工具，浏览器本地从图片提取文字，支持中英文与多行识别，结果可复制编辑，数据不上传，纯前端。

RAG 召回率计算器，输入相关文档数与检索命中数求召回率，评估检索增强生成的检索覆盖质量。

输入正负样本预测得分，估算 ROC 曲线下面积 AUC，评估分类器排序能力，适用于模型选型、阈值无关性能对比与报告。

R ReLU 与 LeakyReLU

Sigmoid 函数计算器，输入任意实数求 Sigmoid 输出值与分类阈值，将数值映射到 (0,1) 区间用于二分类。

Softmax 概率转换器，将一组 logits 归一化为概率分布(和为1)，用于多分类模型输出层概率化。

Token 数量估算器，根据文本长度估算大模型 token 数量，帮助用户把控上下文窗口与 API 调用成本。

决策树信息增益计算器，用基尼指数或熵评估二分类节点分裂前后的不纯度下降，辅助特征选择与树结构构建。

输入混淆矩阵的 TP/FP/FN/TN，计算准确率、精确率、召回率与 F1，用于二分类机器学习模型效果评估与对比。

输入层宽、卷积核数与通道数，估算全连接层与卷积层参数量，适用于模型规模评估、显存预算与轻量化设计。

在线图像分类工具，浏览器本地用预训练模型识别图片主体类别并给出 Top5 概率，保护隐私不上传，适合演示与轻量识别，纯前端。

输入输入尺寸、卷积核、步长与填充，计算卷积或池化后的特征图尺寸，适用于 CNN 结构设计、模型维度核对与部署适配。

回归误差计算器，输入预测值与真实值求 MSE、RMSE、MAE 与 R²，全面评估回归模型拟合精度。

按智能体数量与消息频率估算全连接多智能体系统的通信开销，适用于多 Agent 架构设计、通信瓶颈识别与成本评估。

在线情感分析工具，本地对文本进行正负面倾向识别并标注情感标签与置信度，适合评论与舆情快速判断，纯前端运行。

训练迭代次数计算器，输入数据集大小与 batch size 求训练 epoch 的迭代步数，辅助深度学习训练参数设置。

LLM Token 成本估算器，输入输入输出 token 数与单价估算 API 费用，按 1 USD≈7.2 CNY 折算人民币，辅助调用预算。

统计多轮对话的 token 占用，计算其在模型上下文窗口中的占比，辅助裁剪历史与压缩提示，适用于长对话管理、上下文溢出预警与成本估算。

按增强变换组合与重复次数，估算数据增强后的等效训练样本量，辅助判断样本是否充足，适用于小数据集训练、过拟合缓解与增强策略设计。

在线文本摘要工具，本地用自然语言处理提取文章关键句生成摘要，调节压缩比，适合长文速读与信息提炼，纯前端运行。

早停参数估算器，根据训练速度估算 patience 与预计总训练时间，辅助深度学习训练早停策略与算力规划。

输入当前参数、梯度与学习率，模拟单变量梯度下降的一次更新步，演示收敛过程，适用于优化算法教学、学习率直观理解与实验演示。

模型 FLOPs 估算器，输入全连接层与卷积层维度估算前向传播计算量(FLOPs)，用于模型算力与推理成本评估。

按各模型权重计算加权投票或加权平均的集成输出概率，适用于集成学习、模型融合与预测精度提升方案评估。

向量距离计算器，计算两个向量间的欧氏距离与余弦相似度，用于机器学习特征相似度与聚类分析。

输入 TP/FP/FN/TN 计算马修斯相关系数 MCC 和 FPR。

温度缩放 Logits 演示器，在 softmax 前对 logits 做温度缩放，演示校准对概率分布形态的影响(不改变 argmax)。

温度缩放 Softmax 观察器，输入 logits 与温度参数观察分布尖锐程度变化，理解温度对概率平滑度的影响。

Min-Max 特征缩放器，将特征值线性缩放到 [0,1] 或 [−1,1] 区间，用于机器学习归一化预处理，注意 max≠min。

K-Means 代价估算器，输入样本与簇中心估算聚类惯性 inertia(簇内平方和)，用于评估聚类紧致度与 k 选择。

词嵌入余弦检索器，计算查询向量与文档向量的余弦相似度并排序，用于 RAG 与语义检索的相似度评估。

在线语音转文字工具，浏览器本地用 Web Speech API 将录音实时识别为中文文本，支持校对与复制，数据不上传，纯前端。

输入先验概率与似然，按贝叶斯公式更新后验概率，适用于医学筛查、垃圾识别与不确定性推理中的信念修正。

对比训练与验证损失曲线，判断过拟合或欠拟合程度并给出正则化建议，适用于模型训练调优、早停策略制定与泛化评估。

AUC 秩次估算器，用 Mann-Whitney U 法由样本秩和估算 ROC 曲线下面积，评估二分类模型排序能力。

Cohen Kappa 系数计算器，输入两位评价者的分类结果求一致性系数，用于标注一致性、诊断一致性等可靠性评估。

L1/L2 正则项计算器，输入权重向量求 L1 与 L2 范数及对应惩罚项，用于理解稀疏化与平滑化正则效果。

Token 用量估算器，按中英文与代码比例估算文本 token 数，提示不同分词器差异，辅助大模型上下文与成本核算。

Transformer 参数量估算器，输入层数、维度等估算主体与嵌入参数量，用于模型规模评估与显存预估。

输入真实标签与预测概率，计算二分类交叉熵损失，评估模型预测偏差，适用于机器学习训练监控、损失函数调试与分类模型评估。

输入两个向量，计算余弦相似度以衡量方向一致性，适用于文本语义匹配、推荐召回与嵌入向量比对。

按每步耗时与步数估算单轮及总训练时长，适用于训练排期、算力预算与迭代周期规划。

按指数或阶梯衰减策略计算当前训练步的学习率，适用于学习率调度配置、收敛速度调优与训练曲线诊断。

依据总训练步数与预热比例，计算学习率线性预热的步数区间，适用于稳定训练初期、避免梯度震荡的调度设计。

手肘法 WCSS 降幅计算器，输入不同聚类数下的簇内平方和(WCSS)降幅辅助选择最佳 k，用于 K-Means 聚类数确定。

推理吞吐估算器，由生成 token 数与端到端时延估算大模型推理吞吐(tokens/s)，辅助服务容量与并发规划。

按增强变换数量与重复系数，计算数据增强后的样本总量倍数，辅助训练集扩容规划，适用于图像分类、样本均衡与增强强度设定。

输入各训练轮次的验证指标，自动选出最优轮次并给出早停建议，适用于模型 checkpoint 选择、训练过程复盘与部署权重确定。

依据目标等效批次与单卡批次，计算梯度累积步数，适用于显存受限下的等效大批次训练配置与分布式策略设计。

输入混淆矩阵，计算分类准确率及各类别正确率，适用于模型效果评估、错误分析与报告产出。

按参数量、精度字节数与激活占用估算模型权重与推理显存，适用于部署硬件选型、批量大小设定与显存溢出预警。

输入数据集规模与批次大小，计算每轮训练步数，适用于训练循环实现、步数对齐与分布式分片核对。

输入隐藏维度与头数，计算多头注意力的每头维度及单层参数量，适用于 Transformer 结构核对、模型配置设计与维度对齐检查。

按序列长度、头数与隐藏维度估算单层及全模型注意力的浮点运算量 FLOPs，适用于大模型算力评估、推理成本测算与硬件选型。

输入真负与假正，计算特异度以衡量模型识别负类能力，与灵敏度互补，适用于医学筛查、二分类评估与诊断性能分析。

输入真正、假正与假负，计算精确率、召回率与 F1 分数，适用于分类模型评估、阈值选择与不平衡数据诊断。

训练算力需求估算器，用 Kaplan 缩放律由参数量与训练 token 数估算总训练 FLOPs，辅助算力规划。

量化压缩比估算器，输入模型量化前后精度(如 FP32→INT8)估算参数量与显存压缩比，辅助端侧部署优化。