从0到1，AI我来了- （4）AI图片识别的理论知识-II

上篇文章，我们理解了我们程序的神经网络设计，这篇我们继续，把训练迭代过程分析一下，完成这两篇文章，下面问题，应该能回答了。

1. 一张图片，如何被计算机读懂？
2. pytorch 封装的网络，什么是卷积层，为什么要多层？层与层如何衔接？如何设计？
3. 什么是池化？为什么要池化？
4. 什么是全链接层？它有什么作用？
5. 神经网络模型的前向传播？这个步骤的作用是什么？
6. 什么梯度下降？梯度下降的价值？
7. 什么是激活函数？为什么要用激活函数？

一、上篇完成网络设计后，神经网络如何训练，自优化的？

回到程序【如需解读，请参阅从0到1，AI我来了- （2）解读程序-从AI手写数字识别开始】

for epoch in range(num_epochs):  running_loss = 0.0  correct = 0  total = 0  for images, labels in train_loader:  optimizer.zero_grad()  outputs = model(images)  loss = criterion(outputs, labels)  loss.backward()  optimizer.step()  running_loss += loss.item()  _, predicted = torch.max(outputs.data, 1)  total += labels.size(0)  correct += (predicted == labels).sum().item()  avg_loss = running_loss / len(train_loader)  accuracy = 100 * correct / total  # 记录到 TensorBoard  writer.add_scalar('Loss/train', avg_loss, epoch)  writer.add_scalar('Accuracy/train', accuracy, epoch)  # 记录到列表  loss_values.append(avg_loss)  accuracy_values.append(accuracy)  print(f'Epoch [{epoch+1}/{num_epochs}], Loss: {avg_loss:.4f}, Accuracy: {accuracy:.2f}%')  writer.close() 

这里做了10次训练，每次迭代训练会经过：

         forward(前向传播）--》计算损失 --》backward(反向传播) --》更新权重

forward

        前篇提到了，定义网络模型时，有个函数forword。

forward通常是指一个模型的前向传播过程，它的主要作用是计算输入数据通过网络时的输出，即这里的输入数据图片到输出数字概率的过程。

  outputs = model(images)  

程序中，这句代码，实际就是会调用SimpleCNN 的forward的方法，输入是图片，输出的是概率结果。

计算损失Loss

criterion = nn.CrossEntropyLoss() 
...
loss = criterion(outputs, labels)  

torch.nn模块提供了多种常用的损失函数，这些损失函数可以用于不同类型的机器学习任务。附录一，有一些主要的损失函数，这里是个多分类问题，所以nn.CrossEntropyLoss 可以满足我们要求。

那CrossEntropyLoss 是如何计算损失的？

CrossEntropyLoss 结合了 softmax 函数和负对数似然损失（Negative Log Likelihood Loss）

大白话就是模型会跑出一些结果，比如[1.0,2.0,7.0]，这里表示7.0的可能性最大，CrossEntropyLoss 会先把这些分数转化为概率，即把这些值变为0~1之间的值，且和为1。[1.0,2.0,7.0] 转化为[0.1,0.2,0.7]。

backward 反向传播

 loss.backward()  

非常关键的一行代码，简单理解就是，为了追求更小的损失，自动优化模型参数，不断迭代。

原理尝试解读一下，网上找了个图，解释一下：

损失函数L(w),随机指定权重，偏置（bias，随机标量)，比如图中的W0哪个点，为了让损失更小（找到波谷），需要对w求导，即寻找W0点的切线。

如果切线斜率为负（如下图，w越大，Loss越小），说明应该增加w的值，也就是会自动根据学习率，更新w的值。

如果切线斜率为正（w越大，Loss 越大），说明梯度应该减少w的值。

更新权重

    optimizer.step()  

在计算出梯度后，我们需要根据这些梯度更新模型的参数。这里使用的优化器（optimizer）将会在调用 optimizer.step() 时生成参数的更新。

optimizer.step()  会更新哪些参数？

在调用 optimizer.step() 时，所有在优化器中注册的参数（即 model.parameters() 返回的那些）都会被更新。

参数类型，包括哪些？

在深度学习模型中，这些可学习的参数通常包括全连接层（nn.Linear）的权重和偏置、卷积层（nn.Conv2d）的权重和偏置、以及其他层的参数。

综上，那7个问题，应该能基本解答出来了，不往底层算法钻的话，能理解就行了。

下篇，我们我们来实践一个本地智能知识库，把常见的Agent、RAG，向量数据库分析分析。

附录：

一、分类任务

1. 交叉熵损失 (Cross Entropy Loss):

   • torch.nn.CrossEntropyLoss：用于多类分类问题
   • torch.nn.BCEWithLogitsLoss：用于二分类问题的 logits（未经过 sigmoid）和目标相结合的二元交叉熵损失。

2. 负对数似然损失 (Negative Log Likelihood Loss):

   • torch.nn.NLLLoss：配合在 LogSoftmax 后使用，适用于多类分类。

3. KL 散度损失 (KL Divergence Loss):

   • torch.nn.KLDivLoss：用于衡量两个概率分布之间的差异。

回归任务

1. 均方误差损失 (Mean Squared Error Loss):

   • torch.nn.MSELoss：适用于回归问题，计算预测值和目标值之间的均方差。

2. 平均绝对误差损失 (Mean Absolute Error Loss):

   • torch.nn.L1Loss：计算预测值和目标值之间的平均绝对差。

3. Huber 损失:

   • torch.nn.HuberLoss：结合了均方误差和平均绝对误差的特点，对于目标值较大时更为稳健。

其他损失函数

1. 对比损失 (Contrastive Loss):

   • 自定义损失，一般用于 Siamese 网络。

2. Triplet Loss:

   • 自定义损失，适用于需保持距离的学习（如人脸识别）。

3. Focal Loss:

   • 自定义损失，用于处理类别不平衡问题。