Demonstração pública · dados pré-calculados
Qwen3.5-9B
Uma leitura interativa de representações produzidas pela torre visual do Qwen3.5-9B.
Escolha uma entrada pública, prepare seus pixels e então revele a execução registrada do encoder.
Esta demonstração usa somente arquivos públicos já processados. Nada é enviado do seu computador.
Nenhuma imagem escolhida.
O formato da imagem é preservado aproximadamente. As dimensões se ajustam a múltiplos de 32.
Escolha uma imagem para habilitar a preparação.
Essa nota é só sua. Não é enviada ao encoder como texto. Ela só é salva quando você baixa o registro.
Escolha uma imagem no painel ao lado.
A entrada escolhida aparecerá aqui.
Prepare a imagem para ver os pixels e patches usados.
A preparação ainda não foi revelada.
O xadrez no original indica transparência. Ele não entra no encoder.
Cada patch reúne números de cor. Uma imagem estática é repetida no eixo temporal usado pela arquitetura; isso não cria movimento.
O processador normaliza as cores com média e desvio do checkpoint.
Ela mostra a divisão espacial em patches. Depois da projeção inicial, a atenção mistura informações entre posições. Esta grade não é um mapa de atenção nem mostra quais partes são mais importantes.
Média, máximo e mediana foram calculados sobre os tokens reais e salvos antes da normalização.
Aqui sua escolha atua sobre as saídas do encoder, recalculando sua normalização.
Os pesos e o merger aprendido do Qwen permanecem os mesmos; o encoder não é executado novamente.
Prepare uma imagem para liberar estas escolhas.
Os números atravessaram os 27 blocos visuais na execução registrada. Agora esta demonstração pode revelar os vetores usando a receita escolhida acima.
Receita escolhida: Média → L2 → Cosseno
Esta receita está aplicada aos resultados exibidos abaixo.
Prepare uma imagem para habilitar a execução registrada.
Preparação visualizada
Os 288 × 192 pixels preparados formam uma grade de 18 × 12 células. Cada célula corresponde a um patch de 16 × 16 pixels antes da representação em tokens.
Execução pronta para exploração.
Percurso dos números
288 × 192 pixels preparados e organizados em 216 patches de entrada.
216 tokens, cada um com 1.152 coordenadas.
Parte fixa do modelo: reúne posições e projeta a representação.
54 tokens, cada um com 4.096 coordenadas.
Faça o gesto de pinça sobre o gráfico para ampliar. Deslize horizontalmente sobre ele ou use a barra para percorrer o vetor.
Cada barra é uma coordenada do vetor, como uma posição em um eixo: azul fica acima de zero, azul celeste abaixo. O sinal não indica acerto, erro, confiança ou presença de um objeto. As operações aprendidas da rede podem produzir valores dos dois sinais; dividir pela norma positiva preserva esses sinais.
A altura representa o valor absoluto nesta coordenada. Uma barra maior não prova que ela seja mais importante. A janela mostra a quantidade escolhida de coordenadas, na ordem dos índices, no estágio selecionado. A rolagem permite percorrer o vetor e a pinça amplia os dois eixos pelo mesmo fator.
A linha liga valores pela ordem dos índices. A proximidade horizontal não significa proximidade de sentido.
Faça o gesto de pinça sobre o gráfico para ampliar. Deslize horizontalmente sobre ele ou use a barra para percorrer o vetor.
Clique em uma coordenada para fixá-la no gráfico.
Mova o ponteiro sobre a linha para consultar uma coordenada.
Como as escolhas de agregação e normalização transformam a visualização dos mesmos tokens salvos.
Uma coordenada isolada não identifica um objeto, conceito, qualidade da imagem ou explicação semântica.
As notas ficam nesta página até você baixar o arquivo. Não são enviadas nem salvas automaticamente.
Lote de imagens · execuções registradas
Confira as entradas, escolha uma receita e reúna os vetores. O navegador aplica essa leitura às saídas reais já calculadas pelo encoder.
Doze imagens públicas de formas, cores, posições e transparência. A galeria permanece completa, com rolagem contínua.
Trecho explicativo do percurso local. Aqui os arquivos já estão registrados.
Estas escolhas são independentes das da aba “Uma imagem”. Usaremos as mesmas condições em todas as imagens deste lote.
Na bancada local, “Como no script” usa os limites de resolução do checkpoint. Para imagens transparentes, o fundo escolhido é composto antes do encoder e a opacidade original fica registrada. Aqui, uma das doze entradas tem transparência.
No laboratório, a receita é definida antes do processamento. Nesta demonstração, média, máximo e mediana já foram calculados sobre os tokens reais. A receita altera a leitura dessas saídas; os pesos permanecem congelados.
Um vetor por estágio e por imagem. Mudar a agregação não recupera tokens de uma média: seleciona outro agregado, calculado previamente a partir de todos os tokens.
Confira a coleção para começar.
0 de 12 concluídas · 0 válidas · 0 com erro
O andamento aparece ao reunir as representações.
Um vetor por estágio e por imagem válida, com a receita fixada no início do lote. O andamento acompanha a leitura dos registros no navegador; o encoder não é executado. A ordem das imagens válidas acompanha as linhas das matrizes exportadas.
| Arquivo | Resultado | Patches de entrada | Tokens após merger |
|---|---|---|---|
| Nenhuma imagem concluída ainda. | |||
Abrir uma imagem permite investigar sua execução individual. A receita salva com o lote é preservada.
Vizinhos · comparação no mesmo conjunto
Esta demo permite recalcular diretamente, usando agregados de média, máximo e mediana já registrados. O lote original é preservado. A versão local 0.5 da bancada também permite mudar a receita nesta guia. Lotes antigos podem oferecer somente parte dessas escolhas, conforme os dados que conservaram. A versão já publicada no GitHub ainda precisa receber essa atualização.
L1, L2 e L∞ preservam a direção de vetores não nulos. Trocar somente entre elas não muda matematicamente o cosseno; arredondamentos podem afetar empates muito próximos.
Referência selecionada
As imagens com selo verde aparecem nos dois grupos. Clique em qualquer vizinha para investigá-la também.
1.152 coordenadas por vetor.
4.096 coordenadas por vetor.
A referência é excluída da busca. Os cinco primeiros são mostrados em cada estágio; mínimo, mediana e máximo consideram todas as outras imagens. Empates exatos seguem a ordem da coleção. O selo “Nos dois grupos” identifica a sobreposição.
Essa parcela mede concentração numérica, não importância, conteúdo ou significado visual. O viés é só uma parcela da saída; a contribuição variável da rede também participa do pico.
Vídeo / GIF · somente visão
Explore execuções reais da mesma animação. Formato, intervalo e quantidade de quadros definem a entrada; agregação e normalização definem como lemos seus tokens.
O arquivo termina em 2 s. Fim máximo para este trecho: 2 s.
A proporção é preservada aproximadamente; largura e altura se ajustam a múltiplos de 32.
Confira os campos e prepare a sequência para abrir sua execução registrada.
Os campos são os mesmos da bancada local. A demo dispõe de três amostragens por formato, todas com orçamento de 65.536 pixels e fundo branco. Outras combinações precisam ser executadas na bancada local.
Dois quadros selecionados formam um par temporal. Isso não é a mesma operação que agrupar 2 × 2 posições espaciais no merger. O gráfico global reúne todos os tokens; um par reúne apenas o trecho temporal correspondente.
Reutiliza os tokens registrados. A média, o máximo e a mediana foram calculados antes da normalização, globalmente e por par temporal.
Mudar o quadro em foco altera a prévia. Para alterar o vetor temporal mostrado, escolha um par no campo “O que visualizar”.
São saídas reais da torre visual Qwen3.5-9B executada localmente, com os pesos congelados. As formas geométricas são entradas controladas; os vetores não foram inventados.
A conferência de origem comparou as 12 imagens, os oito fundos da entrada transparente, o padrão geométrico e as duas sequências com os registros da bancada. Os agregados foram calculados sobre os tokens completos. O navegador aplica a normalização e calcula os vizinhos. A expansão inclui outras preparações do padrão geométrico e recortes reais das sequências; seus registros acompanham os resultados.
Baixar origem dos dados e identificadores dos arquivos · Baixar resultados da conferência numérica
O pacote inclui o caderno Experimento_visual.ipynb, com explicações e células de código Python para preparar uma imagem, executar a torre visual e examinar os tokens. Ele usa o mesmo motor da bancada instalada.
Você pode ler o caderno no GitHub. Para editar e executar suas células, siga a instalação local; esta demonstração não inicia um ambiente Python.
Ler o caderno no GitHub ↗ · Instalar a bancada e o JupyterLab ↗