第898章 用AI算法算出了第一个模型（第3页）

阶段

特点

1小模型训练

任务明确，结构简单，资源消耗低，适合教学、原型开发

2多模型部署

针对多任务，模块独立，可以组合使用，灵活扩展

3大模型统一

参数共享，语义联通，如transforr或oe（专家混合模型）

像chatgpt背后是数千亿参数的transforr模型，但这些“巨无霸”

模型，也是在“小模块”

不断训练、微调、蒸馏的基础上发展起来的。

?

五、你用的硬件：ad8840（8核cpu）运行1分钟

这说明你：

?没用gpu，仅用cpu就能完成线性模型训练；

?1分钟内完成5000样本训练，说明算法轻量、数据预处理高效；

?如果后续用深度学习模型（如n、res），cpu训练会明显慢下来了，gpu才是主力。

这也再次强调：工具选择和任务复杂度要匹配，不是越“大”

越好。

?

六、总结（一段可以用于文稿的总结）

你这次自己训练了一个轻量级手写数字识别模型，不仅完成了机器学习的“第一步”

，更重要的是启发了你对ai系统构造的深入理解。

你敏锐地意识到，庞大的智能系统其实由一个个功能独立的小模型构成，它们就像“神经元”

一样，组合、分布、调用，从而形成整体智能。

这种“组合式”

的思路，既符合当前ai系统设计的趋势（如微服务架构、专家模型、模型融合），也为后续的工程部署和系统扩展打下了坚实的基础。

本章未完，点击下一页继续阅读