大模型(二)神经网络

文章目录

什么是模型

模型是一个由输入和输出构成的系统。只要有模型,就一定有输入和输出。

分类:

  • 明确数学公式: 这类公式是明确的,当输入数据时,会进行明确的数据计算
  • 需学习与训练: 这类公式不那么明确,需要通过学习和训练来明确,如神经网络和机器学习

融合两类公式: 真实的模型往往是融合了明确数学公式和需学习的公式。

步骤:

  • 设计一个符合场景的公式
  • 模型的参数

设计模型的主要工作:设计数学公式

模型就是一个数学公式,设计模型就是设计能解决真实问题的数学公式

万金油公式-神经网络

复杂真实问题难以通过人类设计公式解决,神经网络作为万金油公式应运而生:神经网络:模拟人脑,设计一种一劳永逸的公式结构,通过大量参数(如几千亿个)进行复杂计算

这样在模型中只需要做第二个步骤

通过案例理解神经网络-基于MNIST数据库的图像识别

MNIST数据库介绍

此模型接受图片作为输入,输出结果为概率

MNIST数据库中有7万张手写的数字图片,从0-9,其中6万张用于训练,1万张用于测试。

每张图片只包含一个手写数字(0-9),为28×28像素的灰度图片(黑白图片)

实现步骤

  • 将图片的每一个像素转为用0-255展示的数字,输出为一个28*28=784维向量
  • 边缘提取:用前一个数字减去后一个数字,把非0数字转化为1,其中1为边缘,0为中间或者没有
  • 采用中间公式进行计算
  • 输出十个概率,对应这个图片中数字是0-9的概率

神经网络与机器学习

神经网络的作用: 有了神经网络,设计公式结构变得轻松,因为神经网络可以替代人类设计复杂的数学公式,部分公式由人类设计,部分由神经网络完成,两者融合。

模拟机器学习的过程

  • 给出一个公式
  • 确定参数分别是多少
    • 随机初始化一组参数
    • 在训练数据集中,利用公式进行分类
    • 计算分类结果的误差
    • 计算参数的值应该如何计算才能减小误差:假设其他参数都不变 只变化一个参数 得到一个平面上的曲线 神经网络和机器学习
    • 计算出一组新的参数值
    • 回到第二步
相关推荐
RAG专家1 小时前
【Mixture-of-RAG】将文本和表格与大型语言模型相结合
人工智能·语言模型·rag·检索增强生成
星期天要睡觉4 小时前
自然语言处理(NLP)——自然语言处理原理、发展历程、核心技术
人工智能·自然语言处理
低音钢琴4 小时前
【人工智能系列:机器学习学习和进阶01】机器学习初学者指南:理解核心算法与应用
人工智能·算法·机器学习
大千AI助手5 小时前
Hoeffding树:数据流挖掘中的高效分类算法详解
人工智能·机器学习·分类·数据挖掘·流数据··hoeffding树
新知图书6 小时前
大模型微调定义与分类
人工智能·大模型应用开发·大模型应用
山烛6 小时前
一文读懂YOLOv4:目标检测领域的技术融合与性能突破
人工智能·yolo·目标检测·计算机视觉·yolov4
大千AI助手6 小时前
独热编码:分类数据处理的基石技术
人工智能·机器学习·分类·数据挖掘·特征工程·one-hot·独热编码
钱彬 (Qian Bin)6 小时前
项目实践4—全球证件智能识别系统(Qt客户端开发+FastAPI后端人工智能服务开发)
人工智能·qt·fastapi
钱彬 (Qian Bin)6 小时前
项目实践3—全球证件智能识别系统(Qt客户端开发+FastAPI后端人工智能服务开发)
人工智能·qt·fastapi
Microsoft Word6 小时前
向量数据库与RAG
数据库·人工智能·向量数据库·rag