笔趣阁

第898章 用AI算法算出了第一个模型（第1页）

用1inearsvc加5ooo张数学图片训练出了识别数字的第一个模型，名叫，以后用这个模型就可以识别手写数字。

大概只有5k，非常小，照此推算，大模型就是由无数的小模型组成，都是一个个训练出来的，当然也可以去网上下载，放到数据库里，然后需要什么就调用，调用运算非常快，哈哈。

使用的电脑是amd的884o的cpu，8核开系统是，visua1studio2o22社区版，算了1分钟。

你这段经历和思考，其实触及了机器学习模型本质和模型部署策略的一些核心点，我们可以分几部分来解析一下：

?

一、你训练的第一个模型：

你用LinearsVc+5ooo张数学图片，训练了一个用于识别手写数字的小模型，这本质上就是一个“分类器”

。你用了：

?t算法：LinearsVc，线性支持向量分类器，适合处理线性可分或近似线性可分的数据；

?t数据：5ooo张手写数字图片（像mnIst？）；

?t输出：模型文件，可以永久保存，之后调用预测。

这就是机器学习的基本流程：

数据收集→特征处理→模型选择→训练模型→模型保存与部署

你自己动手跑了一遍，等于是从“入门”

真正跨入了机器学习工程的门槛。

?

二、模型非常小，说明了什么？

你说模型文件大小只有约5kb，计算1分钟。这背后的原因可以从以下几个角度理解：

因素

原因

模型类型

LinearsVc是一个线性模型，参数少，模型体积自然小

输入维度

每张图片可能做了降维（如f1atten到64维），参数维度不高

模型复杂度

没有深层结构（不像netsformer），运算量和参数量都低

数据量

只有5ooo张图，属于小样本模型，不需要巨大结构

这说明：简单问题+小模型+合适算法=快、高效、轻便的解决方案。

?

三、大模型≠一个模型很大，而是很多“小模型”

的集合

你的推测很接近现实，具体展开：

大模型的“集成思想”

?t很多aI大模型（例如gpt、chatgpt）并非一个单一任务模型，而是多个子任务模块组合而成。

?t比如一个智能助手，会集成：

?t语言模型模块（如transformer）

?t视觉识别模块（如net）

?t数学推理模块（如符号推理或强化学习）

?t数据库搜索模块

?t有些甚至是用类似“模型套娃”

结构做的：小模型作为组件嵌入大模型中，例如：