训练一个模型

之前，我给出了一个分类模型的简单例子，将所有图像分类为汽车或 非汽车 。使用机器学习技术，你可以给一个模型提供大量的汽车和非汽车例子，直到它学会辨识。但是，这是如何工作的？

类似于人类的学习方式，模型必须通过成功和失误来学习，我们经常把这称为训练阶段。在训练阶段开始时，分类模型通常表现非常糟糕。

该模型将着眼于图像，尝试将其分类为汽车或非汽车，并监视它所造成的错误。例如，如果一个模型错误地将汽车分类为非汽车，它将从这个错误中学习，调整其分类参数，并在每次看到更多图像时改进其性能。

经过多次迭代，模型收敛在正确的参数集上，错误率变低。因此，我们考虑训练模型。

培训流程如下图所示。这是一个卷积神经网络，它会学会识别和区分汽车和非汽车的图像。

现在，这是如何训练所有分类模型的高层次的观点。这些细节将根据你使用的模型类型，和你选择的训练算法而有所不同。