# H01 什么是模型、参数、训练、推理

适用：全部教材，第3章起

---

## 模型是什么

模型就是一个**把输入变成输出的函数**。

你给它一张猫的照片，它输出"猫"；你给它一段中文，它输出英文翻译；你给它今天的天气数据，它输出明天的温度预测。

这个函数不是人手工写的规则，而是从数据中**学**出来的。

## 参数是什么

参数是模型内部的**可调数字**。

一个简单的线性模型 `y = w × x + b` 有两个参数：`w`（权重）和 `b`（偏置）。训练就是找到合适的 `w` 和 `b`，让模型的输出尽量接近正确答案。

一个深度学习模型可能有数百万到数十亿个参数。每个参数都是一个数字，所有参数合在一起，决定了模型对任何输入会给出什么输出。

## 训练是什么

训练就是**用数据调整参数，让模型的表现越来越好**。

过程：
1. 给模型一批训练数据（输入 + 正确答案）
2. 模型根据当前参数做出预测
3. 比较预测和正确答案，算出**误差**（损失）
4. 调整参数，让误差变小
5. 重复步骤2-4，直到误差足够小

训练完成后，参数就"记住了"数据中的规律。

## 推理是什么

推理就是**用训练好的模型处理新数据**。

推理时参数不再改变，模型只是根据学到的参数做计算。推理速度通常比训练快得多，因为不需要反复调整参数。

## 关键区分

| 概念 | 含义 | 类比 |
|---|---|---|
| 模型 | 函数结构 + 参数 | 一个计算器 |
| 参数 | 模型内部的可调数字 | 计算器内部的设置 |
| 训练 | 用数据调整参数的过程 | 用练习题校准计算器 |
| 推理 | 用训练好的模型处理新输入 | 用校准好的计算器算新题目 |
| 模型文件 | 保存了参数值的文件 | 保存了设置的计算器 |

## 常见误解

- **模型不是数据库**：它不存储原始数据，而是存储从数据中学到的规律（参数）。
- **模型不是规则**：人没有逐条编写"如果…那么…"，参数是从数据中自动学出的。
- **训练好 ≠ 万能**：模型只能处理与训练数据类似的情况，遇到完全不同的输入可能给出错误结果。
- **参数多 ≠ 一定好**：参数太多可能"记住"训练数据的噪声（过拟合），反而在新数据上表现差。