14、深度学习之推理和训练

推理和训练是深度学习中两个非常重要的概念。很多初学者可能不太清楚,但是很好区分也很好理解。

如果我们把一个模型比作一个人的话,那么训练过程就相当于初中、高中的学习, 而推理过程相当于去参加高考。

初中高中阶段,我们通过学习大量的知识来训练自己的大脑。在去参加高考的过程中,我们已经不需要去学习新的知识,而是利用已训练好的大脑去解决问题。

神经网络的推理和训练也是这个过程,因此一个模型,想要真正可以运行,可以完成推理,必须要先经过训练。

训练(Training)

学术一点讲,训练是指通过给定的训练数据集,利用深度学习算法来调整和优化模型的参数,使其能够从数据中学习并形成对未知数据的预测能力。

这个过程中训练数据集就相当于我们在初中高中学习书本上的知识。在学习过程中不断调整大脑对于知识的认知,也就类比于模型不断调整和优化参数。

通过训练,模型就能够拥有对数据的预测能力,就好像我们看到一张从未见过的试卷,一样可以把题做出来。

做训练时,我们需要对训练的数据集进行标注,俗称打标签。

假设我们想训练一个模型,让它可以完成图像分类,我们需要对训练的数据集中每一张图像打上类别标签,然后让神经网络不断的去识别这张图像,直到最终模型可以几乎认识所有的图像,此时模型也就训练完成。

不同的任务打标签的方式也是不一样的,图像分类只需要给图像打上分类标签,而检测任务则需要给图像打上坐标标签ÿ

你可能感兴趣的:(CV视觉算法入门与调优,人工智能)