机器学习小白快速入门

对于现在的一些人工智能的模型，我们可以把它统一看成一个系统，或者说一个“大机器”。对于目前的我们来说，我们现在还没有办法造出一个全能的机器来解决我们的所有问题。所以我们只能造出一个个专业的机器来针对性的解决我们的问题。评价这个机器质量的有一些指标，当指标达到某些要求，我们就相当于是成功制造出了这个机器，并且这个机器可以很好的解决我们提出的问题或者任务。

而我们就像一个个工人，或者说发明家。我们可以利用去其他店里买来一个个零件来拼凑或者自己创造一些零件来组成这个机器。而这个“店”就是我们说的架构，比如pytorch等。这一个个零件就是组成模型的一些细节。比如说卷积块啊什么的。

但是我们这个机器比较特别，在组装完成之后，每个零件的“松紧度”都会影响我们这个机器的效果。所以我们要找到一组合适的“松紧度”。当机器应用这组“松紧度”的时候，评价这个机器的指标达标。但是好消息是，我们现在已经发明出能让机器自己寻找比较合适的“松紧度”的方法。这个方法让机器自己做一些和我们需要的任务一样的事情，让机器随着指标去一遍一遍的更新“松紧度”从而让机器的效果整体在变好。

我们的“松紧度”，其实就是模型里的参数(pt文件等)。寻找最合适的“松紧度”的过程，就是训练过程。